大数据面试葵花宝典之Kafka进阶

大数据面试-------Kafka进阶

一、Kafka的设计时什么样呢？

答：1、kafka将消息以topic为单位进行归纳
2、将向kafka topic发布消息的程序称为 producers （生产者）
3、将预定 topics 并消费消息的程序称为 consumer （消费者）
4、Kafka以集群的方式运行，可以由一个或多个服务组成，每个服务叫做一个broker 经理
5、producers 通过网络将消息发送到kafka 集群，集群向消费者提供信息

二、数据传输的事务定义有哪三种？

答：数据传输的事务定义通常有以下三种级别：
1、最多一次：消息不会被重复发送，最多被传输一次，但也有可能一次不传输
2、最少一次：消息不会被漏发送，最少被传输一次，但也有可能被重复传输、
3、精确的一次：不会漏传输也不会重复传输，每个消息都被传输一次而且仅仅被传输一次，只是大家所期望的

三、Kafka判断一个节点是否还活着有那两个条件？

答：1、节点必须可以维护和Zookeeper的连接，Zookeeper通过心跳机制检查每个节点的连接
2、如果节点时个 follower，他必须能及时的同步leader的写操作，延时不能太久

四、producer生产者是否直接将数据发送到broker的leader主节点？

答：producer生产者直接将数据发送到broker的leader（主节点），不需要在多个节点进行分发，
为了帮助producer做到这点，所有的kafka节点都可以及时的告知：哪些节点是活动的，目标
topic目标分区的leader在哪，这样producer就可以直接将消息发送到目的地了

五、Kafka consumer消费者是否可以消费指定分区消息？

答：Kafka consumer消费消息时，向broker（中间人）发出“fetch”（拉取）请求去消费特定分区的消息，
consumer指定消息在日志中的偏移量（offset），就可以消费从这个位置开始的消息，
customer拥有了offset（补偿）的控制权，可以向后回滚去重新消费之前的消息，这是很有意义的

六、Kafka消息是采用Pull模式，还是Push模式？

答：生产者使用push（推）模式将消息发布到Broker，消费者使用pull（拉）模式从Broker订阅消息
优缺点：
push模式很难适应消费速率不同的消费者，如果push的速度太快，容易造成消费者拒绝服务或网络阻塞；
如果push的速度太慢，容易造成消费者性能浪费，但是采用pull的方式也有一个缺点，就是当Broker没有
消息时，消费者会陷入不断的轮询中，为了避免这点，kafka有参数可以让消费者阻塞知道是否有新消息到达。

七、Kafka存储在硬盘的消息格式是什么？

答：消息由一个固定长度的头部和可变长度的字节数组组成。头部包含一个版本号和CRC32效验码
1、消息长度：4bytes
2、版本号：1byte
3、CRC效验码：4bytes
4、具体的消息：n bytes

八、Kafka高效文件存储设计特点？

答：1、kafka把topic（kafka单位）中一个parition（分区）大文件分成多个小文件段，通过小文件段，就容易定期清除
或删除已经消费完的文件减少磁盘占用。
2、通过索引信息可以快速定位message（消息）和确定response（响应）的最大大小
3、通过index元数据全部映射到memory，可以避免segment file 的IO磁盘操作
4、通过索引文件稀疏存储，可以大幅降低index（指数）文件元数据占用空间大小

九、Kafka与传统消息系统之间有三个关键区别？

答：1、Kafka持久化日志，这些日志可以被重复读取和无限期保留
2、Kafka是一个分布式系统：它以集群的方式运行，可以灵活伸缩，在内部通过复制数据
3、提升容错能力和高可用性
4、Kafka支持实时的流式处理

十、partition（分区）的数据如何保存到硬盘？

答：1、topic中的多个partition以文件夹得形式保存到broker，每个分区序号从0递增，且消息有序
2、Partition文件下游很多segment（xxx.index,xxx.log）
3、segment文件里的大小和配置文件大小一致可以根据要求修改，默认为1G
4、如果大小大于1G时，会滚动一个新的segment并且以上一个segment最后一条消息的偏移量命名

十一、Kafka的ack机制

答：request.required.acks有三个值 0 1 -1
0：生产者不会等待broker的ack，这个延迟最低但是存储的保证最弱当server挂掉的时候就会丢数据
1：服务端会等待ack值leader副本确认接收到消息后发送ack但是如果leader挂掉后
他不确保是否复制完成新leader也会导致数据丢失
-1：同样在1的基础上服务端会等所有的follower的副本受到数据后才会收到leader发出的ack，这样数据不会丢失

十二、Kafka的消费者如何消费数据

答：消费者每次消费数据的时候，消费者都会记录消费的物理偏移量（offset）的位置
等到下次消费时，他会接着上次位置继续消费

十三、消费者负载均衡策略

答：一个消费者组中的一个分片对应一个消费者成员，他能保证每个消费者成员都能访问，
如果组中成员太多会有空闲的成员

十四、数据有序

答：1、一个消费者组里它的内部是有序的
2、消费者组与消费者组之间是无序的

十五、Kafka生产数据时数据的分组策略

答： 1、生产者决定数据产生到集群的那个partition（分区）中
2、每条消息都是以（key，value）格式
3、key是由生产者发送数据传入
4、所以生产者（key）决定了数据产生到集群哪个partition（分区）