个人技术分享

一步一个脚印，一天一道面试题。

数据可靠性一直是各个技术都需要的一个特性。不能在使用过程中数据被错误消费，多消费少消费，或者直接漏了数据。那就来看看热门消息队列 Kafka 在数据可靠性方面做了些什么。

1. Acknowledgment（ACK）机制：
   生产者发送数据给Kafka后，可以有确认机制来保证数据是不是正常的发送成功。 Kafka 提供了三种级别的 ACK 配置，通过 acks 配置项控制，这些级别决定了生产者何时认为消息已成功发送： - acks=0：生产者不会等待任何来自 broker 的确认，消息发送后立即认为成功。这是最快但最不安全的模式。

   • acks=1（默认设置）：生产者只需等待 leader 节点的确认。这种方式在 leader 落盘后即发送 ACK，但如果此时 leader 挂掉，未复制到 follower，数据可能会丢失。
   • acks=all：生产者等待所有参与复制的 ISR 节点确认消息。这是最安全但也是延迟最高的模式，因为只有当所有副本都确认接收到消息时，才认为消息发送成功。

2. 副本与 ISR：
   大数据组件基本都会有副本，如果某个节点异常则可以使用副本数据，防止数据丢失。同时副本 Replica 需要跟 leader 保持进度同步。 ISR（In-Sync Replica），就是处于同步的副本。 也就是说每个副本都会同步 leader 的进度，这样如果某个节点的时候，I就可以立即从 ISR 中选出副本，防止数据丢失。

3. 分区日志与持久化：
   Kafka 把每个主题分为多个分区，并将每个分区的日志存储在硬盘上，从而实现长期存储。这样即使在节点故障后，数据也能从其他副本恢复。

4. Leader 选举与故障转移：
   当 leader 节点宕机时， Kafka 会从 ISR 列表中选择一个新的 leader，确保数据可以被读取和写入 ，保证高可用性。这个过程依赖 Zookeeper

5. 消费者偏移量管理：
   ACK 确认机制是用于保证生产者的数据可靠性，那 offset偏移量就是用于保证消费者的数据可靠性。这样消费者可以知道，数据消费到哪个位置，避免重复消费。

6. 幂等性与两阶段提交：
   Kafka 支持幂等生产者，确保在特定时间内向同一分区发送的消息，即使被多次尝试发送，也只会被存储一次。
   此外，Kafka 也支持两阶段提交，允许跨多个主题和分区的生产和消费操作保持原子性，进一步增强了数据的一致性。

我是近未来，祝你变得更强！