Kafka面試題全套整理 | 劃重點(diǎn)要考傍菇!

Kafka面試題全套整理 | 劃重點(diǎn)要考拒贱!

有很多人問過我要過Kafka相關(guān)的面試題,我一直懶得整理亿眠,這幾天花了點(diǎn)時間,結(jié)合之前面試被問過的、別人咨詢過的错英、我會問別人的進(jìn)行了相關(guān)的整理,也就幾十題隆豹,大家花個幾分鐘看看應(yīng)該都會椭岩。面試題列表如下:

  • Kafka的用途有哪些?使用場景如何璃赡?
  • Kafka中的ISR判哥、AR又代表什么?ISR的伸縮又指什么
  • Kafka中的HW碉考、LEO塌计、LSO、LW等分別代表什么侯谁?
  • Kafka中是怎么體現(xiàn)消息順序性的锌仅?
  • Kafka中的分區(qū)器、序列化器墙贱、攔截器是否了解热芹?它們之間的處理順序是什么?
  • Kafka生產(chǎn)者客戶端的整體結(jié)構(gòu)是什么樣子的惨撇?
  • Kafka生產(chǎn)者客戶端中使用了幾個線程來處理伊脓?分別是什么?
  • Kafka的舊版Scala的消費(fèi)者客戶端的設(shè)計有什么缺陷魁衙?
  • “消費(fèi)組中的消費(fèi)者個數(shù)如果超過topic的分區(qū)报腔,那么就會有消費(fèi)者消費(fèi)不到數(shù)據(jù)”這句話是否正確?如果不正確剖淀,那么有沒有什么hack的手段榄笙?
  • 消費(fèi)者提交消費(fèi)位移時提交的是當(dāng)前消費(fèi)到的最新消息的offset還是offset+1?
  • 有哪些情形會造成重復(fù)消費(fèi)?
  • 那些情景下會造成消息漏消費(fèi)祷蝌?
  • KafkaConsumer是非線程安全的茅撞,那么怎么樣實現(xiàn)多線程消費(fèi)?
  • 簡述消費(fèi)者與消費(fèi)組之間的關(guān)系
  • 當(dāng)你使用kafka-topics.sh創(chuàng)建(刪除)了一個topic之后,Kafka背后會執(zhí)行什么邏輯米丘?
  • topic的分區(qū)數(shù)可不可以增加剑令?如果可以怎么增加?如果不可以拄查,那又是為什么吁津?
  • topic的分區(qū)數(shù)可不可以減少?如果可以怎么減少堕扶?如果不可以碍脏,那又是為什么?
  • 創(chuàng)建topic時如何選擇合適的分區(qū)數(shù)稍算?
  • Kafka目前有那些內(nèi)部topic典尾,它們都有什么特征?各自的作用又是什么糊探?
  • 優(yōu)先副本是什么钾埂?它有什么特殊的作用?
  • Kafka有哪幾處地方有分區(qū)分配的概念科平?簡述大致的過程及原理
  • 簡述Kafka的日志目錄結(jié)構(gòu)
  • Kafka中有那些索引文件褥紫?
  • 如果我指定了一個offset,Kafka怎么查找到對應(yīng)的消息瞪慧?
  • 如果我指定了一個timestamp髓考,Kafka怎么查找到對應(yīng)的消息?
  • 聊一聊你對Kafka的Log Retention的理解
  • 聊一聊你對Kafka的Log Compaction的理解
  • 聊一聊你對Kafka底層存儲的理解(頁緩存弃酌、內(nèi)核層绳军、塊層、設(shè)備層)
  • 聊一聊Kafka的延時操作的原理
  • 聊一聊Kafka控制器的作用
  • 消費(fèi)再均衡的原理是什么矢腻?(提示:消費(fèi)者協(xié)調(diào)器和消費(fèi)組協(xié)調(diào)器)
  • Kafka中的冪等是怎么實現(xiàn)的
  • Kafka中的事務(wù)是怎么實現(xiàn)的(這題我去面試6家被問4次门驾,照著答案念也要念十幾分鐘,面試官簡直湊不要臉多柑。實在記不住的話...只要簡歷上不寫精通Kafka一般不會問到奶是,我簡歷上寫的是“熟悉Kafka,了解RabbitMQ....”)
  • Kafka中有那些地方需要選舉竣灌?這些地方的選舉策略又有哪些聂沙?
  • 失效副本是指什么?有那些應(yīng)對措施初嘹?
  • 多副本下及汉,各個副本中的HW和LEO的演變過程
  • 為什么Kafka不支持讀寫分離?
  • Kafka在可靠性方面做了哪些改進(jìn)屯烦?(HW, LeaderEpoch)
  • Kafka中怎么實現(xiàn)死信隊列和重試隊列坷随?
  • Kafka中的延遲隊列怎么實現(xiàn)(這題被問的比事務(wù)那題還要多7棵!温眉!聽說你會Kafka缸匪,那你說說延遲隊列怎么實現(xiàn)?)
  • Kafka中怎么做消息審計类溢?
  • Kafka中怎么做消息軌跡凌蔬?
  • Kafka中有那些配置參數(shù)比較有意思?聊一聊你的看法
  • Kafka中有那些命名比較有意思闯冷?聊一聊你的看法
  • Kafka有哪些指標(biāo)需要著重關(guān)注砂心?
  • 怎么計算Lag?(注意read_uncommitted和read_committed狀態(tài)下的不同)
  • Kafka的那些設(shè)計讓它有如此高的性能蛇耀?
  • Kafka有什么優(yōu)缺點(diǎn)辩诞?
  • 還用過什么同質(zhì)類的其它產(chǎn)品,與Kafka相比有什么優(yōu)缺點(diǎn)蒂窒?
  • 為什么選擇Kafka?
  • 在使用Kafka的過程中遇到過什么困難躁倒?怎么解決的荞怒?
  • 怎么樣才能確保Kafka極大程度上的可靠性洒琢?
  • 聊一聊你對Kafka生態(tài)的理解

如果上面的問題都能掌握,相信在面試Kafka的時候肯定能夠完全應(yīng)付褐桌。如果還應(yīng)付不了衰抑,請告知公司及職位,我去投簡歷會會他荧嵌。如果上面1/3題回答都有難度的話呛踊,是該好好學(xué)習(xí)一下Kafka啦。

建議收藏本文啦撮,準(zhǔn)備找工作前可以對著復(fù)習(xí)一下谭网。

同時需要更多java相關(guān)資料以及面試心得和視頻資料的,歡迎加QQ群:810589193
免費(fèi)獲取Java工程化赃春、高性能及分布式愉择、高性能、高架構(gòu)织中、性能調(diào)優(yōu)锥涕、Spring、MyBatis狭吼、Netty源碼分析等多個知識點(diǎn)高級進(jìn)階干貨的直播免費(fèi)學(xué)習(xí)權(quán)限及相關(guān)視頻資料层坠,還有spring和虛擬機(jī)等書籍掃描版

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市刁笙,隨后出現(xiàn)的幾起案子破花,更是在濱河造成了極大的恐慌谦趣,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,744評論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件旧乞,死亡現(xiàn)場離奇詭異蔚润,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)尺栖,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,505評論 3 392
  • 文/潘曉璐 我一進(jìn)店門嫡纠,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人延赌,你說我怎么就攤上這事除盏。” “怎么了挫以?”我有些...
    開封第一講書人閱讀 163,105評論 0 353
  • 文/不壞的土叔 我叫張陵者蠕,是天一觀的道長。 經(jīng)常有香客問我掐松,道長踱侣,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,242評論 1 292
  • 正文 為了忘掉前任大磺,我火速辦了婚禮抡句,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘杠愧。我一直安慰自己待榔,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,269評論 6 389
  • 文/花漫 我一把揭開白布流济。 她就那樣靜靜地躺著锐锣,像睡著了一般。 火紅的嫁衣襯著肌膚如雪绳瘟。 梳的紋絲不亂的頭發(fā)上雕憔,一...
    開封第一講書人閱讀 51,215評論 1 299
  • 那天,我揣著相機(jī)與錄音糖声,去河邊找鬼斤彼。 笑死,一個胖子當(dāng)著我的面吹牛姨丈,可吹牛的內(nèi)容都是我干的畅卓。 我是一名探鬼主播,決...
    沈念sama閱讀 40,096評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼蟋恬,長吁一口氣:“原來是場噩夢啊……” “哼翁潘!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起歼争,我...
    開封第一講書人閱讀 38,939評論 0 274
  • 序言:老撾萬榮一對情侶失蹤拜马,失蹤者是張志新(化名)和其女友劉穎渗勘,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體俩莽,經(jīng)...
    沈念sama閱讀 45,354評論 1 311
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡旺坠,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,573評論 2 333
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了扮超。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片取刃。...
    茶點(diǎn)故事閱讀 39,745評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖出刷,靈堂內(nèi)的尸體忽然破棺而出璧疗,到底是詐尸還是另有隱情,我是刑警寧澤馁龟,帶...
    沈念sama閱讀 35,448評論 5 344
  • 正文 年R本政府宣布崩侠,位于F島的核電站,受9級特大地震影響坷檩,放射性物質(zhì)發(fā)生泄漏却音。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,048評論 3 327
  • 文/蒙蒙 一矢炼、第九天 我趴在偏房一處隱蔽的房頂上張望系瓢。 院中可真熱鬧,春花似錦裸删、人聲如沸八拱。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,683評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至清蚀,卻和暖如春匕荸,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背枷邪。 一陣腳步聲響...
    開封第一講書人閱讀 32,838評論 1 269
  • 我被黑心中介騙來泰國打工榛搔, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人东揣。 一個月前我還...
    沈念sama閱讀 47,776評論 2 369
  • 正文 我出身青樓践惑,卻偏偏與公主長得像,于是被迫代替她去往敵國和親嘶卧。 傳聞我的和親對象是個殘疾皇子尔觉,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,652評論 2 354

推薦閱讀更多精彩內(nèi)容

  • kafka數(shù)據(jù)可靠性深度解讀 Kafka起初是由LinkedIn公司開發(fā)的一個分布式的消息系統(tǒng),后成為Apache...
    it_zzy閱讀 2,007評論 2 20
  • 1 概述 Kakfa起初是由LinkedIn公司開發(fā)的一個分布式的消息系統(tǒng)芥吟,后成為Apache的一部分侦铜,它使用Sc...
    流浪冰007閱讀 1,796評論 0 6
  • 京城首居第一的客椬ㄋΓ“天香樓”內(nèi),熱鬧非凡钉稍,人來人往涤躲。說書先生在臺上講的是火焰國的神話,火焰國唯一的昌賢王...
    女神來打烊閱讀 144評論 1 2
  • 又一次參加日更挑戰(zhàn)贡未,希望這次可以久一點(diǎn)种樱。上回結(jié)束的很任性,就是突然間不想繼續(xù)了俊卤。為什么又重新開始了缸托,就是突然間想再...
    叫不醒的喵閱讀 78評論 0 1
  • 作者:Natasha The Robot,原文鏈接瘾蛋,原文日期:2016-07-25譯者:Lanford3_3俐镐;校對...
    梁杰_numbbbbb閱讀 1,261評論 0 0