【AI加油站】AI面试专题二十二：消息队列Kafka的面试题资料（附PDF下载）

基本信息

• Kafka：一个分布式发布-订阅消息系统和强大的队列，能处理大量数据，支持离线和在线消息消费，消息保留在磁盘上并在群集内复制以防止丢失，构建在ZooKeeper同步服务之上，与Apache Storm和Spark集成用于实时流式数据分析。

• 依赖Zookeeper：用于协调和管理Kafka集群。

架构

• Broker：服务器，包含多个Topic、Partition和Replica，负责协调Producer和Consumer。启动时向Zookeeper注册信息，第一个注册的成为Controller，读取从节点数据生成集群元数据并分发给其他服务器。

• Topic：类似于标准MQ中的Queue，一个Topic的消息保存在不同Partition（不同Broker）以保证高可用。

• Partition（分区）：将标准MQ的Queue消息拆分，实现高可用。Producer发送的Message根据key和partition数进行hash后投递。一个分区只能被同一个Consumer Group中的一个Consumer消费，分区内消费有序。

• Replica（备份）：每个Partition的备份，数量小于等于Broker数量。Leader是Replica领导节点，Producer写数据只往Leader写，Consumer也从Leader读；Follower用于复制Leader数据，采用pull模式。

• ISR（In-Sync Replica）：Leader维护的与Leader基本保持同步的Replica列表，每个Partition都有ISR，由Leader动态维护。若Follower落后太多或超时未发起复制请求，Leader将其从ISR移除。当ISR中所有Replica向Leader发送ACK时，Leader才commit。

• 消息丢失与重复消费：Leader宕机后，从ISR选数据最新的Follower当Leader；若ISR全宕机，选第一个回复的Replica当Leader，可能丢失或重复消费消息。相关参数有replica.lag.time.max.ms（Follower未发起fetch请求的时间，超过则被移出ISR）、replica.lag.max.messages（复制消息相差数量，超过则移出ISR）、min.insync.replicas（保证ISR中最少Replica数量）。

• 水印备份机制：LEO（日志末端位移）记录副本底层日志文件中下一条消息位移值，Leader保存自己和remote LEO值；HW（高水印值）不大于LEO，小于HW的消息被认为已提交或备份，对消费者可见。

消息与数据交互

• Message：标准MQ中的消息。

• Producer：发送方，使用push模式发送给Broker。数据一致性保证方面，request.required.acks参数可设置为0（异步，可能丢失或重发）、1（Leader接收后ack，丢失概率小）、-1（所有Follower同步成功后ack，不会丢失消息）。

• Consumer：消费方，使用pull模式，默认100ms拉一次。消费的是Partition的数据，需手动确认ack避免消息丢失，消费端需幂等处理避免消息重复。Consumer Group可消费一个Topic，保证同一条Message不被不同Consumer消费，但Consumer数量不能超过Partition数量。

分片与分配

• 分片规则：Kafka分配Replica的算法有RangeAssignor和RoundRobinAssignor，默认RangeAssignor，按一定规则将Partition分配到不同Broker上。

• Rebalance（重平衡）：Consumer Group下所有Consumer达成一致分配订阅Topic分区的协议。触发条件包括组成员个数变化、订阅Topic的Consumer Group个数变化、Topic分区数变化等。Rebalance过程分为Join和Sync两步，Join是成员加入组并选Leader，Sync是Leader分配消费方案并通知各Consumer。

性能优化

• 分区原因：避免加锁影响性能，以Partition为分界支持并发，类似Java 1.7的ConcurrentHashMap桶设计。

• 顺序写：磁盘顺序写性能优于内存随机写，Kafka利用这一点提高性能。

• 批发送：减少网络传输Overhead，提高写磁盘效率，批量发送单位默认16384Bytes，满足条件即发送。

• 数据压缩：重复数据多时压缩效果好，Kafka将整个Batch数据压缩，Broker接收后直接持久化，Consumer解压缩，提高传输效率。

• Page Cache & MMap：Kafka利用Page Cache和MMap减少文件拷贝和上下文切换，提高性能。写数据时直接写入Page Cache，消费者拉数据也经过Page Cache，若写速率和消费速率相当，则整个过程为内存操作。Kafka不自己管理缓存，因JVM对象存储有overhead，且受GC影响，程序崩溃后缓存数据会丢失。