Kafka 面试高频题（原理辨析・背诵版）
Kafka 面试高频题（原理辨析·背诵版）
覆盖你要的 HW&LEO、ISR、分区策略、零拷贝&mmap，附高频扩展题，全是面试常问核心
一、核心概念辨析（必问）
1. HW（高水位）和 LEO（日志末端偏移）的区别？
【面试题】解释 HW、LEO，以及两者的作用和差异
答案
- LEO（Log End Offset）：副本（Leader/Follower）本地日志下一条待写入的偏移量，代表副本自身最新写入位置。
- HW（High Watermark）：所有 ISR 副本 LEO 的最小值，代表已成功提交、消费者可读取的最大偏移量。
- 关键区别
- LEO 是单副本维度，HW 是分区（ISR集合）维度；
- 消费者只能读 HW 之前的消息，HW 后未同步完成的消息不可见；
- Follower 同步追上 Leader LEO，HW 才会推进。
2. ISR 是什么？机制&作用？为什么只从 ISR 选 Leader？
【面试题】ISR 全称、判定规则、核心作用
答案
- ISR（In-Sync Replicas）：与 Leader 保持同步的副本集合（包含 Leader 自身）。
- 同步判定：Follower 在
replica.lag.time.max.ms内能追上 Leader，就留在 ISR；超时则踢出。 - 核心作用：保证数据一致性 + 快速故障转移。
- 只从 ISR 选 Leader 的原因：ISR 内副本数据是最新、完整的，非ISR副本数据滞后，选举会导致数据丢失/不一致。
3. 分区（Partition）核心作用？单分区/全局有序性？
答案
- 作用：水平扩展、并行读写，是 Kafka 高吞吐基础；副本以分区为单位冗余。
- 有序性：单分区内严格 FIFO 有序，跨分区全局无序（要全局有序需 Topic 只设1个分区）。
二、生产端高频（ACK、分区策略、可靠性）
1. acks 三种配置区别？场景选型？
答案
acks=0：生产者发完不等待确认，最高吞吐、最低可靠（Leader宕机消息丢失）。acks=1：等待 Leader 本地落盘即确认，折中（Leader宕机、Follower未同步会丢消息）。acks=all/-1：等待所有 ISR 副本同步完成，最高可靠（性能略低）。- 选型：金融/支付用
all，日志采集/监控用0或1。
2. 生产者分区策略有哪些？怎么选型？
答案
- 轮询（RoundRobin）：默认，消息均匀分布所有分区，无 Key 场景适用。
- 哈希（Default）：按 Key 哈希取模分区，同 Key 消息进入同一分区（保证单分区有序）。
- 粘性分区（Sticky）：批量发送时尽量发往同一分区，提升批量效率。
- 自定义：实现
Partitioner接口，按业务规则路由。 - 选型：需要 Key 有序 → 哈希；纯吞吐、无顺序要求 → 轮询/粘性。
3. Kafka 幂等生产者 & 事务原理？解决什么问题？
答案
- 幂等：PID（生产者ID）+ 分区 + 序列号，Broker 去重，解决重复发送、网络重传导致的消息重复。
- 事务：跨分区/会话原子性写入，要么全部提交，要么全部回滚，配合幂等实现Exactly-once（精确一次） 语义。
三、消费端高频（Rebalance、消费语义、Offset）
1. 消费者组（Consumer Group）核心规则？Rebalance 触发条件？
答案
- 规则：一个分区只能被组内一个消费者消费；消费者数 ≤ 分区数（多了空闲）。
- Rebalance 触发：消费者上下线、Topic 分区增减、订阅关系变化。
- 问题：重平衡期间消费者不可读，频繁重平衡会导致性能暴跌。
2. 三种消费语义（At-most/At-least/Exactly-once）？
答案
- 最多一次（At-most-once）：先提交 Offset，再处理消息 → 可能丢消息，无重复。
- 至少一次（At-least-once）：先处理消息，再提交 Offset → 不丢消息，可能重复（需业务幂等）。
- 精确一次（Exactly-once）：生产者幂等 + 事务 + 消费者事务提交 Offset → 不丢不重，最强语义。
3. Offset 存哪里？自动/手动提交区别？
答案
- 存储：新版默认存内部主题
__consumer_offsets（弃用 ZK）。 - 自动提交：定时提交，简单但不可控，易丢/重消息。
- 手动提交：
commitSync（同步阻塞）/commitAsync（异步非阻塞），业务可控，生产环境推荐。
四、高性能原理（零拷贝、mmap、顺序写）
1. 零拷贝是什么？和传统拷贝区别？Kafka 为什么用它？
答案
- 零拷贝（
sendfile）：数据直接从内核页缓存 → Socket 缓冲区，跳过用户态拷贝，减少CPU开销。 - 传统拷贝：磁盘→内核缓存→用户缓存→Socket缓存（4次拷贝、2次上下文切换）。
- 零拷贝：磁盘→内核缓存→Socket（2次拷贝、1次切换），读性能大幅提升。
2. 零拷贝 和 mmap（内存映射）的区别？Kafka 如何用？
【高频辨析题】
答案
| 特性 | mmap | 零拷贝（sendfile） |
|---|---|---|
| 作用 | 把磁盘文件映射到进程地址空间 | 内核态直接转发数据到网卡 |
| 适用场景 | Kafka 索引文件（.index/.timeindex） | Kafka 消息日志（.log）读取 |
| 拷贝次数 | 减少用户态拷贝，但仍需CPU参与 | 完全无CPU拷贝，纯DMA传输 |
| 安全/限制 | 映射文件过大可能OOM | 适合大文件流式读取，无内存压力 |
- 总结：mmap 用于索引加速，零拷贝用于消息读取，两者配合实现高性能。
3. Kafka 为什么快？核心高性能设计（必背总结）
答案
- 分区并行，分布式读写；
- 顺序追加写，避免磁盘随机IO瓶颈；
- 依赖操作系统 PageCache，异步刷盘；
- 生产者批量发送+消息压缩；
- 消费者零拷贝读取；
- 拉模式（Consumer主动拉），适配不同消费速率。
五、高可用机制（副本、Leader选举、故障恢复）
1. Leader/Follower 职责？Leader 宕机如何选举？
答案
- Leader：处理所有读写请求；
- Follower：只同步数据，不对外提供服务。
- 选举规则：从 ISR 中选 LEO 最大的 Follower 为新 Leader，保证数据最新、不丢失。
2. 旧 Leader 恢复后会怎样？如何保证数据一致？
答案
旧Leader恢复后变为Follower，截断自己超出 HW 的数据，再同步新Leader数据，避免数据不一致。
六、架构对比（ZK vs KRaft）
1. 传统 ZK 架构 vs KRaft 新架构（去ZK）区别？
答案
- ZK 架构：依赖外部 ZK 存元数据、选Controller，部署重、网络抖动影响大。
- KRaft 架构：内置 Raft 协议 管理元数据，自选举Controller，无外部依赖，部署简单、延迟更低、扩展性更好（Kafka 2.8+ 主推）。
七、一句话高频速答（面试收尾/口头回答）
- Kafka 本质：分布式追加日志系统，靠分区扩吞吐、副本保高可用。
- 数据可靠核心：ISR + HW + acks=all。
- 高性能核心：顺序写 + PageCache + 零拷贝 + 批量压缩。
- 消费核心：消费者组 + 单分区独占 + Offset 提交。
需要我把这些题再压缩成1页纸极简背诵版（只留题干+关键词）吗？
浙公网安备 33010602011771号