一、主要作用

• 异步处理：提升响应速度
• 系统解耦：降低系统各模块之间的耦合
• 流量削峰：高并发下 作为缓冲，减轻系统压力
• 数据分发：广播到多个消费者， 实现数据的分发和共享。

二、特点

• 分布式：集群方式、多副本，高可靠性 高扩展性。
• 高吞吐，低延迟，百万级tps。
• 支持实时的流式处理。
• 持久化日志：可重复读取 和 无限期保留。

---

三、Broker

1. 定义：Kafka集群中的服务器节点，负责存储和转发消息。

2. 功能：

   • 存储消息：Broker负责存储Topic中的消息，并保证消息的有序性和可靠性。
   • 转发消息：Broker负责将生产者发送的消息转发给消费者，并保证消息的可靠性和顺序性。
   • 管理元数据：Broker维护Topic和Partition的元数据信息，供生产者和消费者使用。
   • 提供API接口：Broker提供了API接口，供生产者和消费者使用。

四、Topic

1. 定义：消息的逻辑分组，是Kafka消息系统中的基本单元，用于将消息进行逻辑上的分组和归类。
2. 作用：通过创建不同的Topic，可以根据需求将消息进行分类、分割和分发，以满足不同业务场景下的消息传递需求。
3. 特点：每个Topic可以有一个或多个分区（Partition），每个分区可以保存不同时间段的消息序列。

五、Partition

1. 定义：分区，是Topic的物理分割，是Kafka中存储消息的最小单位。每个分区都有一个对应的日志文件，用于顺序写入和追加消息。

2. 作用：

   • 提高吞吐量：通过分区，Kafka可以分散数据和负载，支持并行处理，从而提高整体吞吐量。
   • 有序存储：在同一个分区内，消息是按照写入的顺序存储的，消费者可以保证读取到的消息是有序的。
   • 负载均衡：通过合理分配分区，可以实现负载均衡，避免单点瓶颈。

3. 特点：

   • 不可变性：一旦消息写入分区，它就是不可变的，不能被修改或删除，直到超过保留时间或被压缩。
   • 分段存储：每个分区在底层是一个日志文件，由多个段（Segment）组成，每个段是一个物理文件，存储一批有序的消息。
   • 索引文件：每个段都有一个对应的索引文件，用于快速查找消息的偏移量（Offset）。

六、副本（Replication）

1. 定义：Partition的副本机制，也可以称之为备份机制，通过多副本保证数据的高可用性和容错性。Kafka将每个分区的消息复制到多个副本中，这些副本分布在不同的Broker上。这样即使某个Broker出现故障，其他Broker上的副本仍然可以保留和恢复消息。

2. 角色：

   • Leader：每个分区有一个主副本（Leader），负责处理所有的读写请求。
   • Follower：其余副本是从副本（Follower），负责从主副本复制数据。称之为ISR副本集合。当Leader副本出现故障时，可以从ISR中选举出一个新的Leader副本。
   • Unclean领导者选举：当ISR集合为空时，Kafka需要重新选举一个新的领导者副本。此时，Kafka可以选择从非同步副本中选举领导者副本，这称为Unclean领导者选举。开启Unclean领导者选举可能会造成数据丢失，但提升了系统的高可用性；而禁止Unclean领导者选举则维护了数据的一致性。

3. 作用：

   • 数据冗余：提供数据冗余，即使系统部分组件失效，系统依然能够继续运转，增加了整体可用性以及数据持久性。
   • 故障恢复：当主副本不可用时，从副本可以自动提升为主副本，确保系统的连续性。

4. 同步原理：Kafka采用基于领导者（Leader）的副本机制。从副本（Follower）不对外提供服务，只是定期地异步拉取 领导者副本（Leader）中的数据，从而实现与领导者副本的同步。当领导者副本挂掉时，Kafka会依托于ZooKeeper提供的监控功能实时感知到，并立即开启新一轮的领导者选举，从追随者副本中选一个作为新的领导者。

---

七、ISR机制

        指分区中的一组与Leader副本保持同步的副本集合； 这些副本包含了Leader副本中的所有已确认消息。当Leader副本出现故障时，可以从ISR中选举出一个新的Leader副本。只有ISR中的副本才能参与消息的同步复制和数据的读写操作，从而确保数据的一致性和可靠性。

八、Controller机制

        Kafka使用Controller机制来管理Broker、Partition、Leader等元数据信息。Controller是一个独立的组件，负责监控和管理整个集群的状态和配置。当出现异常情况时，Controller可以自动进行故障转移和数据恢复操作，确保集群的稳定性和高可用性。

快速故障恢复的机制。当某个Broker出现故障时，可以通过ISR机制和Controller机制快速进行主副本的选举和数据的恢复，从而确保集群的高可用性和数据的可靠性。

九、ACK应答机制

是生产者发送数据后Kafka的接收确认方式。

在生产者发送消息到Kafka集群时，可以设置不同的ACK级别来确保消息在发送过程中的可靠性和持久性。

Kafka的ACK机制有三种级别，由acks参数的值控制：

• acks=0：无需等待确认，可靠性最低
• acks=1：默认值。生产者发送消息后会等待Broker的领导者（Leader）确认， 会确认消息已经被领导者接收写入，但不一定被复制到所有的副本。
• acks=-1(all)：等待主题分区中所有ISR 副本都成功写入消息后才返回确认。acks=all时，Kafka只有在消息被写入ISR中的所有副本后才会返回确认，这确保了消息即使在Leader故障的情况下也不会丢失，因为ISR中的其他副本可以选举为新的Leader。

日志持久化：

• Kafka将消息持久化到磁盘上，即使Broker宕机或重启，消息也不会丢失。Kafka使用顺序写入和分段存储的方式来提高性能，同时保证数据的可靠性。每个主题都有一个或多个分区，每个分区都有一个对应的日志文件，用于顺序写入和追加消息。

持久性保证：

• Kafka提供了多种消息传递语义，包括至少一次传递和最多一次传递。这些语义可以确保消息在发送和接收之间的可靠传递，并保证消息不会丢失或重复。

---

十、Kafka中Zookeeper的作用

1. 选举leader：
   • 在Kafka集群中，每个分区都会有一个leader来负责处理读写请求。
   • 当leader节点出现故障时，Zookeeper会利用选举算法协助进行新的leader选举，确保集群能够继续正常运行，并处理来自生产者和消费者的请求。

2. 管理消费者组的偏移量：

   • 消费者组在消费消息时，需要记录当前已经消费的消息偏移量。
   • Zookeeper用来保存这些偏移量信息，以便在消费者重启或发生故障时，能够继续从上次消费的位置开始，从而保证消息消费的连续性和准确性。

3. 发现和注册服务：

   • Kafka的broker节点和消费者在启动时会向Zookeeper注册自己的信息，包括IP地址、端口号和可用的分区等。
   • 其他节点可以通过查询Zookeeper来发现可用的broker节点和分区，从而方便地进行消息的生产和消费。

4. 维护集群的元数据：

   • Zookeeper保存了Kafka集群的元数据信息，这些信息包括但不限于broker的列表、topic的分区信息、以及消费者组的偏移量等。
   • Kafka通过与Zookeeper的交互来获取这些元数据，以确保集群内部各组件之间的协调一致。

5. 监控集群的健康状态：

   • Zookeeper负责监控Kafka集群中各个节点的状态，包括节点的上下线情况、存活状态以及partition的副本分配情况等。
   • 通过提供心跳检测和故障检测功能，Zookeeper能够及时发现并通知集群中可能存在的问题，从而保障集群的稳定运行。

---

十一、如何保证消息有序？

1、生产者如何有序

（1）序列号：为每条消息分配一个唯一的序列号，标记数据的顺序。消息排序，重新发送。消费者 按序列号来消费消息。

（2）指定分区发送。

2、存储有序

一个分区内有序，多个分区无法保证。获取数据后会将数据顺序写入日志文件。

3、消费着如何有序

（1）一个消费者 单线程单实例 消费。同一个Topic、同一个分区，一个Partition分区只会被一个消费者组中的一个消费者消费，从而保证顺序性。

（2）按序号消费。

生产者如何将消息 发布到指定分区？

kafka默认分区策略：轮询 选出一个partition分区

（1）自定义分区策略：实现Partitioner接口，重写partition( )方法

（2）每条消息设置同一个key：计算key的hash值路由到指定分区，同一个key的消息都在同一个分区

消费者如何消费同一个分区消息？

（1）消费者消费方法上使用 @KafkaListener的topicPartitions属性 和 @TopicPartition @PartitionOffsets 注解指定topic、partition、offset。

十二、如何保证消息不丢失？

• 生产者（Producer）：通过同步阻塞的方式的发送，设置acks=all，等待所有ISR 副本都成功写入消息后才返回确认；超时或者失败 会重试
• Broker：支持同步刷盘（持久化到硬盘中）、异步刷盘的策略，支持 1主N从的策略。持久化的 offset (偏移量），消息 支持持久化到Commitlog里面。
• 消费者（Consumer）：自动提交偏移量，改为手动提交，确保业务逻辑真正执行成功 再提交偏移量。

• 自动提交： 不是立即提交，默认每5秒 自动提交消费偏移量。可能导致在处理消息时发生错误时无法回滚偏移量，造成消息的重复消费或丢失。
• 手动提交： 需要显式地调用提交方法来提交消费偏移量。 可在 成功处理完消息后 提交偏移量， 确保消息至少被处理一次。
• 同步提交（commitSync）： 消费者在提交偏移量时会阻塞等待Kafka的确认。会导致消费者在提交偏移量时发生阻塞，可能会影响消费者的吞吐量。
• 异步提交（commitAsync）： 不会阻塞等待Kafka的确认，会立即返回，消费者可以继续处理其他任务。 如果提交失败，可能不会立即被发现，可能导致消息的重复消费或丢失。但 Kafka允许为异步提交 提供回调函数（OffsetCommitCallback），以便在提交成功或失败时执行相应的操作。

通信流程：拉消息，拉取消息的过程通常是通过一个循环来实现的，在循环中，消费者不断调用poll方法来拉取新的消息记录 。poll方法的参数指定了拉取消息的超时时间 。 拉取到的消息记录包含多个消息，每个消息都包含了消息的元数据（如主题、分区、偏移量等）和实际的消息内容。

指定消息在分区中的偏移量offset，消费特定分区的消息，并且可向后回滚重复消费。

十三、消费端收到两条一样的消息，应该怎样处理？

（1）幂等性：消费端 处理消息 保持幂等性，不管来多少条重复消息，最后处理的结果都一样

（2）记录消息ID和消费状态：保证每条消息都有唯一ID编号， 消费者端 维护张日志表 记录已经处理成功的消息的ID

十四、消息堆积怎么办？

（1）生产者：限流，设置合理的发送速率、使用滑动窗口控制速率

（2）消息队列：增加队列的分区数；设置消息过期时间。 可以将堆积的消息进行持久化存储，以便后续处理。

（3）消费端：服务器扩容；建Consumer消费者集群，增加消费者数量，批量消费 调整批量大小和拉取间隔，异步消费、异步提交；优化消费者性能（优化数据库查询、减少网络调用次数、使用多线程或异步处理）。

十五、消费失败怎么办？

（1）重试：设置合理的重试次数和重试间隔。

（2）记录：将消费失败的消息存储到数据库。消费者可以记录错误信息并跳过有问题的消息。

（3）死信队列：对于无法处理的消息，应将其移动到死信队列Topic中，并定期分析和处理这些消息。这有助于避免消息堆积对正常业务的影响。

---

十六、Kafka性能优化

通过压缩和批量发送优化。

Kafka支持Gzip、Snappy、LZ4、zstd等数据压缩算法。

zstd有最高的压缩比（zstd > LZ4 > gzip > Snappy），LZ4效率最高（LZ4 > Snappy > zstd > gzip）

十七、Kafka常见配置参数

kafka:  
  # Broker的全局设置  
  global:  
    broker.id: 0                  # Kafka broker的唯一标识符，每个broker的id都应该是唯一的  
    log.dirs: /var/lib/kafka/data # Kafka存储消息的目录  
    zookeeper.connect: localhost:2181 # Kafka连接到Zookeeper的地址  
  
  # 网络设置  
  network:  
    listeners: PLAINTEXT://:9092  # Kafka监听的地址和端口，用于客户端连接  
    advertised.listeners: PLAINTEXT://your.host.name:9092 # 客户端连接broker的地址，通常是在集群外部访问的地址  
    num.network.threads: 3        # 用于处理网络请求的线程数  
    num.io.threads: 8             # 用于处理磁盘IO的线程数  
    socket.send.buffer.bytes: 102400 # Socket发送缓冲区大小  
    socket.receive.buffer.bytes: 102400 # Socket接收缓冲区大小  
    socket.request.max.bytes: 104857600 # 请求的最大字节数  
  
  # 日志设置  
  log:  
    log.retention.hours: 168      # 日志保留的小时数  
    log.segment.bytes: 1073741824 # 每个日志段的大小（以字节为单位）  
    log.retention.check.interval.ms: 300000 # 检查日志是否过期的间隔时间（以毫秒为单位）  
    log.cleaner.enable: true      # 是否启用日志清理器（用于删除过期的日志）  
  
  # 复制设置  
  replication:  
    default.replication.factor: 1 # 默认的消息复制因子  
    min.insync.replicas: 1        # 在提交消息之前，必须有多少副本是同步的  
    replica.lag.time.max.ms: 10000 # 副本落后时间的最大阈值（以毫秒为单位）  
    replica.socket.timeout.ms: 30000 # 副本之间连接的超时时间（以毫秒为单位）  
    replica.fetch.max.bytes: 1048576 # 副本从leader拉取数据的最大字节数  
  
  # 消费者和生产者设置（这些通常在客户端配置，但可以在broker上设置默认值）  
  consumer_producer:  
    message.max.bytes: 1000000    # 消息的最大字节数（包括键和值）  
    replica.fetch.min.bytes: 1    # 副本从leader拉取的最小字节数  
    request.timeout.ms: 30000     # 请求的超时时间（以毫秒为单位）  
    group.min.session.timeout.ms: 6000 # 消费者组的最小会话超时时间（以毫秒为单位）  
    auto.commit.interval.ms: 5000 # 自动提交偏移量的间隔时间（以毫秒为单位）  
  
  # 其他设置  
  other:  
    num.partitions: 1             # 默认的主题分区数  
    controlled.shutdown.enable: true # 是否启用受控关闭  
    delete.topic.enable: true     # 是否允许删除主题

# 消费者配置  
fetch.min.bytes=1                 消费者拉取数据的最小批次大小
fetch.max.bytes=5242880 # 5MB     消费者每次拉取数据的最大量
max.poll.records=100              消费者每次拉取的最大记录数（即消息数）
fetch.max.wait.ms=500             消费者在拉取数据时，如果数据不足fetch.min.bytes所指定的量，则消费者会等待的最长时间（以毫秒为单位）。

min.insync.replicas      在提交消息之前，必须有多少副本是同步的。
replica.*参数            与副本相关的配置，如副本落后时间的最大阈值、副本之间连接的超时时间等。
message.max.bytes        消息的最大字节数。
request.timeout.ms       请求的超时时间。
group.min.session.timeout.ms    消费者组的最小会话超时时间。
auto.commit.interval.ms         自动提交偏移量的间隔时间。
num.partitions                  默认的主题分区数。
controlled.shutdown.enable      是否启用受控关闭。
delete.topic.enable             是否允许删除主题。
auto.leader.rebalance.enable    是否启用自动领导者选举平衡。
leader.imbalance.check.interval.seconds和leader.imbalance.per.broker.percentage   领导者不平衡检查和阈值设置。

# 性能和调优设置  
queued.max.requests=500      等待处理的请求队列的最大大小。
compression.type=producer    生产者消息的压缩类型。
metric.reporters=[]          用于报告指标的类列表。
num.replica.fetchers=1       每个broker用于从其他broker拉取数据的线程数。