推荐答案

      在大数据的面试环节中肯定会涉及到一些面试题需要同学们作答，今天小千就来给大家介绍一下关于消息系统Kafka的常见面试题，走过路过不要错过啦。

      1.Kafka 生产者如何确定数据发送的分区

      ProducerRecord(topic, partition, key, value) 对象参数有四个，其中主题 Topic 和内容 Value 为必填，Partition 为指定分区，Key 为指定 Hash 分区的键值，这两个项为选填。根据参数选择，策略如下：

      1.若指定Partition ID,则PR被发送至指定Partition

      2.若未指定Partition ID,但指定了Key, PR会按照hasy(key)发送至对应Partition

      3.若既未指定Partition ID也没指定Key，PR会按照round-robin模式发送到每个Partition

      4. 若同时指定了Partition ID和Key, PR只会发送到指定的Partition (Key不起作用，代码逻辑决定)

      2.Kafka 如何在数据一致性和可用性做平衡的

      Kafka对每一个Partition都会在Zookeeper上维护一个ISR列表记录着那些和Leader同步非常及时的Replication，这样只要这些副本同步成功了，就可以响应Producer的ACK。

      如果Leader失败了，一个未完全同步数据的Replication被选择为了Leader，数据是否会丢失呢

      *这种情况下，数据会丢失，可以保证可用性，但是不能保证一致性

      *有一个参数可以指定只允许ISR中的Replication作为leader来保证一致性

      unclean.leader.election.enable=false

      *同样的，如果ISR中的Replication都不能启动，就会一直没有leader，没法对外服务,也就是虽然保证了 一致性，但是就会丢失了可用性

      3.Kafka ACK机制

      *ack=1，Producer只要收到一个分区副本成功写入的通知就认为推送消息成功了。这个副本必须是leader副本,只有leader副本成功写入了，Producer才会认为消息发送成功。但是如果leader成功写入后，还没来得及把数据同步到Follower节点就挂了，这时候消息就丢失了。ack的默认值就是1。这个默认值其实就是吞吐量与可靠性的一个折中方案。生产上我们可以根据实际情况进行调整，比如如果你要追求高吞吐量，那么就要放弃可靠性。

      *ack=-1，Producer只有收到分区内所有副本的成功写入的通知才认为推送消息成功了

      *ack=0 简单来说就是，Producer发送一次就不再发送了，不管是否发送成功

      4.Kafka 消息投递语义

      消息投递语义

      1.至少一次语义（At least once semantics）：如果生产者收到了Kafka broker的确认（acknowledgement，ack），并且生产者的acks配置项设置为all（或-1），这就意味着消息已经被精确一次写入Kafka topic了。然而，如果生产者接收ack超时或者收到了错误，它就会认为消息没有写入Kafka topic而尝试重新发送消息。如果broker恰好在消息已经成功写入Kafka topic后，发送ack前，出了故障， 生产者的重试机制就会导致这条消息被写入Kafka两次，从而导致同样的消息会被消费者消费不止一次。每个人 都喜欢一个兴高采烈的给予者，但是这种方式会导致重复的工作和错误的结果。

      2.至多一次语义（At most once semantics）：如果生产者在ack超时或者返回错误的时候不重试发送消息，那么消息有可能最终并没有写入Kafka topic中，因此也就不会被消费者消费到。但是为了避免重复处理的可能性，我们接受有些消息可能被遗漏处理。

      3.精确一次语义（Exactly once semantics）： 即使生产者重试发送消息，也只会让消息被发送给消费者一次。精确一次语义是最令人满意的保证，但也是最难做到的。因为它需要消息系统本身和生产消息的应用程 序还有消费消息的应用程序一起合作。比如，在成功消费一条消息后，你又把消费的offset重置到之前的某个offset位置，那么你将收到从那个offset到最新的offset之间的所有消息。这解释了为什么消息系统和客户 端程序必须合作来保证精确一次语义。

      Kafka的exactly-once语义

      在0.11.x版本之前，Apache Kafka支持at-least-once delivery语义以及partition内部的顺序delivery，如前所述这在某些场景下可能会导致数据重复消费。而Kafka 0.11.x支持exactly-once语义，不会导致该情况发生。实现主要是两个方面

      1.幂等：partition内部的exactly-once顺序语义

      幂等操作，是指可以执行多次，而不会产生与仅执行一次不同结果的操作，Producer的send操作现在是幂等的。在任何导致producer重试的情况下，相同的消息，如果被producer发送多次，也只会被写入Kafka一次。要打开此功能，并让所有partition获得exactly-once delivery、无数据丢失和in-order语义，需要修改broker的配置：enable.idempotence = true

      2.事务：跨partition的原子性写操作

      Kafka现在支持使用新事务API原子性的对跨partition进行写操作，该API允许producer发送批量消息到多个partition。该功能同样支持在同一个事务中提交消费者offsets，因此真正意义上实现了end-to-end的exactly-once delivery语义

      最后想学习大数据开发的同学，可以参考千锋大数据培训班提供的大数据学习路线，千锋大数据培训机构的学习路线提供完整的大数据开发知识体系，内容包含Linux&&Hadoop生态体系、大数据计算框架体系、云计算体系、机器学习&&深度学习。根据千锋大数据培训班提供的大数据学习路线图可以让你对学习大数据需要掌握的知识有个清晰的了解，并快速入门大数据开发。想要获取免费的大数据学习资料可以添加我们的大数据技术交流qq群：857910996，加群找管理领取即可，有任何大数据相关问题也可以加群解决，等你来哦~~

上一篇

培训大数据开发和数据分析的区别

下一篇

大数据编程工资多少一个月？