之前已經分享了好幾篇關于 Kafka 的文章，從基本概念和使用到高可用機制解析到最佳實踐。今天分享幾個?Kafka?的面試題，這些面試題是大數據工程師在面試中經常問到的一些問題，在此整理一下，分享給大家。
如果你是 Java 開發工程師，也可以看看這份面試題目：假如我是面試官，我會這樣虐你

1 什么是kafka

Kafka是分布式發布-訂閱消息系統，它最初是由LinkedIn公司開發的，之后成為Apache項目的一部分，Kafka是一個分布式，可劃分的，冗余備份的持久性的日志服務，它主要用于處理流式數據。

2 為什么要使用 kafka，為什么要使用消息隊列

緩沖和削峰：上游數據時有突發流量，下游可能扛不住，或者下游沒有足夠多的機器來保證冗余，kafka在中間可以起到一個緩沖的作用，把消息暫存在kafka中，下游服務就可以按照自己的節奏進行慢慢處理。

解耦和擴展性：項目開始的時候，并不能確定具體需求。消息隊列可以作為一個接口層，解耦重要的業務流程。只需要遵守約定，針對數據編程即可獲取擴展能力。

冗余：可以采用一對多的方式，一個生產者發布消息，可以被多個訂閱topic的服務消費到，供多個毫無關聯的業務使用。

健壯性：消息隊列可以堆積請求，所以消費端業務即使短時間死掉，也不會影響主要業務的正常進行。

異步通信：很多時候，用戶不想也不需要立即處理消息。消息隊列提供了異步處理機制，允許用戶把一個消息放入隊列，但并不立即處理它。想向隊列中放入多少消息就放多少，然后在需要的時候再去處理它們。

3 kafka中的broker 是干什么的

broker 是消息的代理，Producers往Brokers里面的指定Topic中寫消息，Consumers從Brokers里面拉取指定Topic的消息，然后進行業務處理，broker在中間起到一個代理保存消息的中轉站。

4 kafka中的 zookeeper 起到什么作用，可以不用zookeeper么

zookeeper 是一個分布式的協調組件，早期版本的kafka用zk做meta信息存儲，consumer的消費狀態，group的管理以及 offset的值。考慮到zk本身的一些因素以及整個架構較大概率存在單點問題，新版本中逐漸弱化了zookeeper的作用。新的consumer使用了kafka內部的group coordination協議，也減少了對zookeeper的依賴，

但是broker依然依賴于ZK，zookeeper 在kafka中還用來選舉controller 和 檢測broker是否存活等等。

5 kafka follower如何與leader同步數據

Kafka的復制機制既不是完全的同步復制，也不是單純的異步復制。完全同步復制要求All Alive Follower都復制完，這條消息才會被認為commit，這種復制方式極大的影響了吞吐率。而異步復制方式下，Follower異步的從Leader復制數據，數據只要被Leader寫入log就被認為已經commit，這種情況下，如果leader掛掉，會丟失數據，kafka使用ISR的方式很好的均衡了確保數據不丟失以及吞吐率。Follower可以批量的從Leader復制數據，而且Leader充分利用磁盤順序讀以及send file(zero copy)機制，這樣極大的提高復制性能，內部批量寫磁盤，大幅減少了Follower與Leader的消息量差。

6??什么情況下一個 broker 會從 isr中踢出去

leader會維護一個與其基本保持同步的Replica列表，該列表稱為ISR(in-sync Replica)，每個Partition都會有一個ISR，而且是由leader動態維護 ，如果一個follower比一個leader落后太多，或者超過一定時間未發起數據復制請求，則leader將其重ISR中移除 ，詳細參考?kafka的高可用機制

7 kafka 為什么那么快

• Cache?Filesystem Cache PageCache緩存

• 順序寫?由于現代的操作系統提供了預讀和寫技術，磁盤的順序寫大多數情況下比隨機寫內存還要快。

• Zero-copy?零拷?技術減少拷貝次數

• Batching of Messages?批量量處理。合并小的請求，然后以流的方式進行交互，直頂網絡上限。

• Pull 拉模式?使用拉模式進行消息的獲取消費，與消費端處理能力相符。

8??kafka producer如何優化打入速度

• 增加線程

• 提高 batch.size

• 增加更多 producer 實例

• 增加 partition 數

• 設置 acks=-1 時，如果延遲增大：可以增大 num.replica.fetchers（follower 同步數據的線程數）來調解；

• 跨數據中心的傳輸：增加 socket 緩沖區設置以及 OS tcp 緩沖區設置。

優化方面的參考?kafka最佳實踐

9 ?kafka producer 打數據，ack ?為 0， 1， -1 的時候代表啥， 設置 -1 的時候，什么情況下，leader 會認為一條消息 commit了

1（默認）??數據發送到Kafka后，經過leader成功接收消息的的確認，就算是發送成功了。在這種情況下，如果leader宕機了，則會丟失數據。

0?生產者將數據發送出去就不管了，不去等待任何返回。這種情況下數據傳輸效率最高，但是數據可靠性確是最低的。

-1?producer需要等待ISR中的所有follower都確認接收到數據后才算一次發送完成，可靠性最高。

當ISR中所有Replica都向Leader發送ACK時，leader才commit，這時候producer才能認為一個請求中的消息都commit了。

10 ?kafka ?unclean 配置代表啥，會對 spark streaming 消費有什么影響

unclean.leader.election.enable 為true的話，意味著非ISR集合的broker 也可以參與選舉，這樣有可能就會丟數據，spark streaming在消費過程中拿到的 end offset 會突然變小，導致 spark streaming job掛掉。如果unclean.leader.election.enable參數設置為true，就有可能發生數據丟失和數據不一致的情況，Kafka的可靠性就會降低；而如果unclean.leader.election.enable參數設置為false，Kafka的可用性就會降低。

11 如果leader crash時，ISR為空怎么辦

kafka在Broker端提供了一個配置參數：unclean.leader.election,這個參數有兩個值：
true（默認）：允許不同步副本成為leader，由于不同步副本的消息較為滯后，此時成為leader，可能會出現消息不一致的情況。
false：不允許不同步副本成為leader，此時如果發生ISR列表為空，會一直等待舊leader恢復，降低了可用性。

12? kafka的message格式是什么樣的

一個Kafka的Message由一個固定長度的header和一個變長的消息體body組成

header部分由一個字節的magic(文件格式)和四個字節的CRC32(用于判斷body消息體是否正常)構成。

當magic的值為1的時候，會在magic和crc32之間多一個字節的數據：attributes(保存一些相關屬性，

比如是否壓縮、壓縮格式等等);如果magic的值為0，那么不存在attributes屬性

body是由N個字節構成的一個消息體，包含了具體的key/value消息

13? kafka中consumer group 是什么概念

同樣是邏輯上的概念，是Kafka實現單播和廣播兩種消息模型的手段。同一個topic的數據，會廣播給不同的group；同一個group中的worker，只有一個worker能拿到這個數據。換句話說，對于同一個topic，每個group都可以拿到同樣的所有數據，但是數據進入group后只能被其中的一個worker消費。group內的worker可以使用多線程或多進程來實現，也可以將進程分散在多臺機器上，worker的數量通常不超過partition的數量，且二者最好保持整數倍關系，因為Kafka在設計時假定了一個partition只能被一個worker消費（同一group內）。

總結

以上是生活随笔為你收集整理的分享一波Kafka面试题答案的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。