文章列表

深入解析Kafka高水位（HW）与LEO概念，推演旧版基于HW截断导致的数据丢失与日志分叉两大经典事故，详解Kafka 0.11引入的LeaderEpoch（KIP-101）如何通过询问Leader权威位置实现不丢数据、不分叉，并附面试高频追问与生产配置建议，助你彻底掌握Kafka副本一致性。

一文讲透 Kafka 为什么有 Topic 还要用 Partition：Topic 是逻辑上的消息分类，Partition 是物理分片，靠水平扩展、并行读写与多副本机制撑起高吞吐与高可用。文中还详解消息 key 路由规则、分区数如何估算、分区间无序的代价及高频面试追问，助你面试拿分。

详解Kafka怎么保证消息只消费一次：从At Least Once与Exactly Once语义区别入手，剖析重复消费根因（业务处理与offset提交非原子操作），给出手动提交offset加幂等消费、offset与业务同事务、Kafka事务EOS三大方案及选型建议，并附面试高频追问，助你彻底掌握Kafka幂等消费与Exactly Once实现原理。

Kafka 为什么没办法100%保证消息不丢失？本文详解生产者缓冲区、PageCache 异步刷盘、ISR 副本同步延迟、offset 提前提交四大丢失场景，剖析 acks=all 与同步刷盘背后的性能取舍，并给出 acks=all、min.insync.replicas、手动提交 offset 等生产环境防丢配置方案，助你面试答透这道高频题。

深入解析 Kafka 重平衡机制：涵盖消费者组 rebalance 的触发条件、Group Coordinator 协调下的 JoinGroup 与 SyncGroup 完整流程、四种分区分配策略，剖析重平衡 STW 停顿与重复消费的危害，并分享参数调优、静态成员资格、协作式增量重平衡等生产优化方案，助你彻底搞定 Kafka 面试高频考点。

一文吃透 Kafka ISR 机制：从 AR、ISR、OSR 的关系讲起，详解副本收缩与扩张的判定条件、HW 与 LEO 的作用，以及 acks=all、min.insync.replicas 组成的可靠性铁三角，助你面试从容应对 leader 选举与消息不丢等高频追问。

本文详解 Kafka 消息发送过程：生产者主线程完成拦截、序列化、分区后，消息进入 RecordAccumulator 攒批，再由 Sender 线程异步网络发送。深入解析 KafkaProducer 分区器规则、粘性分区、batch.size 与 linger.ms 调优、acks 与幂等性等高频面试追问，助你彻底吃透 Kafka 生产者发送机制。

Kafka消息丢失只发生在生产者、Broker、消费者三个环节。本文详解生产端acks=all加重试与回调兜底、Broker端三副本配合min.insync.replicas、消费端关闭自动提交手动提交offset的完整防丢失方案，并覆盖ISR机制、消息重复与顺序等面试高频追问，帮你彻底搞懂Kafka消息可靠性，轻松应对面试。

详解Kafka如何实现顺序消费：Kafka只保证分区内有序，不保证全局有序。生产端按key哈希将消息路由到同一分区，并开启幂等生产者防止重试乱序；消费端依靠消费组分区独占，配合单线程或按key路由内存队列，兼顾吞吐与顺序。附面试高频追问与完整代码方案，帮你彻底掌握Kafka消息顺序保证。

一文吃透Kafka三种选举：Controller选举（ZK抢节点/KRaft多数派投票）、分区Leader选举（从ISR挑同步副本）、Consumer Leader选举（首个入组当组长），并解析ISR机制、unclean选举丢数据风险、脑裂防护与Kafka 4.0移除ZooKeeper原因，面试高频考点全覆盖。