面试高频 30 题
使用说明
本题集覆盖校招和社招中 Apache Kafka 的高频考点。每道题标注星级（★ 基础 / ★★ 进阶 / ★★★ 专家），★★★ 题代表候选人具备生产级 Kafka 经验。
基础概念（★★★ 高频）
1. Kafka 是什么？为什么叫"分布式流处理平台"？★
答题要点：Kafka 不是单纯的消息队列，是以 Append-Only Log 为核心的分布式、分区化、多副本的流处理平台。三个核心能力：消息发布订阅（Pub/Sub）、持久化存储、流处理。
2. Topic 和 Partition 的关系？为什么需要分区？★
答题要点：Topic 是逻辑概念，Partition 是物理存储单元。分区是为了并行：并行写入（多个 Producer 写不同分区）、并行存储（多 Broker 分布存储）、并行消费（同消费组内 Consumer 并行消费）。
3. Kafka 如何保证消息顺序？★★
答题要点：分区内严格顺序。全局顺序需单分区 + max.in.flight.requests.per.connection=1 + enable.idempotence=true。多分区无法保证全局顺序。
4. 什么是 ISR？为什么需要 ISR 机制？★★
答题要点：In-Sync Replicas——与 Leader 保持同步的副本集合。ISR 提供动态权衡：副本同步延迟在 replica.lag.time.max.ms 内即保持在 ISR。避免少数慢副本阻塞所有写入。
生产者（★★ 适中）
5. Producer 发送消息的完整流程？★
答题要点：send() → Serializer → Partitioner → RecordAccumulator → Sender 线程 → Broker。两个独立线程：应用线程负责前 3 步，Sender 线程负责网络发送。
6. acks=all 一定不丢数据吗？★★
答题要点：不保证。陷阱：min.insync.replicas=1 时 acks=all 退化为 acks=1；所有 ISR 磁盘同时损坏时仍然丢。需要最小存活 ISR 数 > 1 + 磁盘容灾。
7. 幂等性 Producer 的原理？★★
答题要点：给每个 Producer 分配 Producer ID，每条消息带 <PID, SequenceNumber>。Broker 对每个 Partition 记录最近 5 个 SeqNum，检测重复后丢弃。
8. Producer 的重试机制如何导致消息重复？★★
答题要点：Broker 已写入但 ACK 网络丢失 → Producer 重试 → 消息被写入两次。解决方案：enable.idempotence=true（幂等去重）或 transactional.id（事务）。
消费者（★★ 适中）
9. Consumer Group 中的 Rebalance 是什么？触发时机？★
答题要点：消费组内分区重新分配的过程。触发：Consumer 加入/离开、分区数变更、Topic 被订阅/取消订阅。Rebalance 期间消费组暂停消费。
10. Range 和 RoundRobin 分配策略的区别？★
答题要点：Range 按分区号范围分配（可能导致数据倾斜）；RoundRobin 轮询分配（均匀，但所有 Consumer 必须订阅相同 Topic）。3.x 推荐 Cooperative Sticky（增量重分配）。
11. 自动提交和手动提交 Offset 的选择？★
答题要点：自动提交（enable.auto.commit=true）可能漏消费（提交后还没处理就崩溃）。手动提交能精确控制 at-least-once。生产环境推荐手动提交。
12. Consumer 多线程消费模型有哪些？★★
答题要点：① 多 Consumer 实例（最简单）；② 单 Consumer + 多 Worker 线程（注意 Offset 提交顺序）；③ 按分区手动分配 + 独占线程（最灵活，但失去 Rebalance 自动管理）。
Broker 与副本（★★★ 高频）
13. Controller 的作用？KRaft 模式与 Zookeeper 模式的区别？★★
答题要点：Controller 管理分区 Leader 选举、Broker 上下线、元数据分发。KRaft 模式用 Raft 共识替代 ZK，部署简化 + 元数据一致性强 + 支持百万分区级别。
14. Kafka 如何选举新 Leader？★★
答题要点：从该分区的 ISR 中选一个。优先选 AR 列表中的第一个（Preferred Leader）。unclean.leader.election.enable=true 时允许选非 ISR 副本（有丢数据风险）。
15. HW（High Watermark）和 LEO（Log End Offset）的作用？★★★
答题要点：HW 是消费者可见的最大 Offset（所有 ISR 副本都已确认）；LEO 是副本的下一条消息 Offset。HW ≤ LEO。Leader 故障后，新 Leader 的 HW 保证不丢失已提交消息。
16. Leader Epoch 解决什么问题？★★★
答题要点：解决旧 Leader 恢复后的日志截断判断问题。每个 Leader 任期有一个 Epoch，Follower 同步时带上 Epoch → Leader 知道哪些消息在哪个 Epoch 开始写入 → 避免误截断已提交消息。
存储与性能（★★★ 高频）
17. Kafka 为什么这么快？★★
答题要点：① 顺序 I/O（追加写）；② 零拷贝（sendfile）；③ Page Cache 依赖（不维护应用层缓存）；④ 批量+压缩（网络效率）；⑤ 分区并行。
18. Segment 是什么？为什么需要 Segment？★
答题要点：Partition 的物理存储单元，按大小或时间切分。好处：方便过期删除（整段删除）、方便定位（二分查找+稀疏索引）、避免单文件过大。
19. Log Compaction 和 Log Deletion 的区别？★★
答题要点：Deletion 按时间/大小删除（适合流数据）；Compaction 保留每个 Key 的最新值（适合状态数据）。Compact 不影响 Consumer 读取现有消息。
20. 零拷贝（Zero Copy）的原理？★★
答题要点：sendfile() 系统调用 → 数据从 Page Cache 直接 DMA 到网卡，不走用户态，减少 2 次 CPU 拷贝和 2 次上下文切换。
运维（★★★ 高频）
21. 如何监控 Kafka？核心指标是什么？★
答题要点：UnderReplicatedPartitions、ActiveControllerCount、Consumer Group Lag、磁盘使用率、请求延迟 P99。使用 JMX + Prometheus + Grafana。
22. 消费 Lag 飙升如何排查？★★
答题要点：① 确认 Lag 是否集中在某几个分区（分区倾斜或单 Consumer 慢）；② 检查 Consumer 是否存活（频繁 Rebalance？）；③ 检查 Consumer 处理速度（max.poll.records 太大？处理逻辑慢？）；④ Producer 写入是否突增。
23. 分区数如何确定？★★
答题要点：分区数 = max(目标吞吐 / 单分区吞吐, Consumer 数量)。单分区上限 ~10-20 MB/s（根据硬件）。经验：先设 12-24，上线后根据监控调整。
24. unclean.leader.election.enable 开还是关？★★
答题要点：强烈建议 false（生产默认）。开启意味着"宁可丢数据也不让分区不可用"。除非是日志类容忍数据丢失的场景，否则永远关闭。
事务与 Exactly-Once（★★★ 专家级）
25. Kafka 事务的保证范围？★★★
答题要点：原子写入多分区 + Consumer 的 "read- process-write" 原子性。但不跨外部系统（数据库 + Kafka 一起不能算一个事务）。
26. Exactly-Once 语义（EOS）如何实现？★★★
答题要点：Power=幂等（单分区去重）+ Transactions（跨分区原子性）+ Consumer 的 read_committed 模式（只读已提交的事务消息）。本质是 at-least-once + 去重 = effectively exactly-once。
架构设计（★★★ 专家级）
27. 如何保证 Kafka 集群的高可用？★★
答题要点：① replication.factor ≥ 3；② min.insync.replicas ≥ 2；③ Controller 冗余（KRaft 3 节点起）；④ 跨机架/可用区部署；⑤ MirrorMaker 2 跨集群容灾。
28. Kafka 的"数据回滚"能力体现在哪？★★
答题要点：（由于副本同步未完全确认时 Leader 故障）新 Leader 可能截断旧 Leader 未完全同步的日志。Leader Epoch 机制在 KRaft 模式下防止回滚到错误状态。消费者通过 Offset 重置可以回溯消费。
29. 为什么不把消息直接发给 Consumer，而是要经过 Broker？★
答题要点：解耦 → 生产者不知道消费者是谁；持久化 → 消费者离线时消息不丢；多订阅 → 多个消费组独立消费同一数据流；削峰填谷 → 消费速率不必匹配生产速率。
30. 如果让你设计一个类似 Kafka 的系统，你会关注哪些点？★★★
答题要点：① 存储引擎：顺序追加 + 分段；② 分区模型：水平扩展；③ 副本协议：ISR vs Quorum；④ 元数据：一致性协议（Raft）；⑤ 网络 I/O：零拷贝 + 批量；⑥ 消费者模型：Pull + Offset 管理。核心权衡：可靠性与延迟、一致性与可用性。