面试官最爱问的Kafka，基础+进阶，Java面试题集2024版_kafka面试

• 6.Kafka生产者客户端的整体结构是什么样子的？

• 7.Kafka生产者客户端中使用了几个线程来处理？分别是什么？

• 8.Kafka的旧版Scala的消费者客户端的设计有什么缺陷？

• 9.“消费组中的消费者个数如果超过topic的分区，那么就会有消费者消费不到数据”这句话是否正确？如果正确，那么有没有什么hack的手段？

• 10.有哪些情形会造成重复消费？

• 11.那些情景下会造成消息漏消费？

• 12.KafkaConsumer是非线程安全的，那么怎么样实现多线程消费？

• 13.简述消费者与消费组之间的关系

• 14.当你使用kafka-topics.sh创建（删除）了一个topic之后，Kafka背后会执行什么逻辑？

• 15.topic的分区数可不可以增加？如果可以怎么增加？如果不可以，那又是为什么？

• 16.topic的分区数可不可以减少？如果可以怎么减少？如果不可以，那又是为什么？

• 17.创建topic时如何选择合适的分区数？

1.2 Kakfa进阶面试篇

• 1.Kafka目前有哪些内部topic，它们都有什么特征？各自的作用又是什么？

• 2.优先副本是什么？它有什么特殊的作用？

• 3.Kafka有哪几处地方有分区分配的概念？简述大致的过程及原理

• 4.简述Kafka的日志目录结构

• 5.Kafka中有哪些索引文件？

• 6.如果我指定了一个offset，Kafka怎么查找到对应的消息？

• 7.如果我指定了一个timestamp，Kafka怎么查找到对应的消息？

• 8.聊一聊你对Kafka的Log Retention的理解

• 9.聊一聊你对Kafka的Log Compaction的理解

• 10.聊一聊你对Kafka底层存储的理解

• 11.聊一聊Kafka的延时操作的原理

• 12聊一聊Kafka控制器的作用

• 13.Kafka的旧版Scala的消费者客户端的设计有什么缺陷？

• 14.消费再均衡的原理是什么？（提示：消费者协调器和消费组协调器）

• 15.Kafka中的幂等是怎么实现的？

1.3 Kakfa高级面试篇

• 1.Kafka中的事务是怎么实现的？

• 2.失效副本是指什么？有哪些应对措施？

• 3.多副本下，各个副本中的HW和LEO的演变过程

• 4.Kafka在可靠性方面做了哪些改进？（HW, LeaderEpoch）

• 5.为什么Kafka不支持读写分离？

• 6.Kafka中的延迟队列怎么实现

• 7.Kafka中怎么实现死信队列和重试队列？

• 8.Kafka中怎么做消息审计？

• 9.Kafka中怎么做消息轨迹？

• 10.怎么计算Lag？(注意read_uncommitted和read_committed状态下的不同)

• 11.Kafka有哪些指标需要着重关注？

• 12.Kafka的那些设计让它有如此高的性能？

02 总结：绘上一张Kakfa架构思维大纲脑图（xmind）

其实关于Kafka，能问的问题实在是太多了，扒了几天，最终筛选出44问：基础篇17问、进阶篇15问、高级篇12问，个个直戳痛点，不知道如果你不着急看答案，又能答出几个呢？

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024b （备注Java）

独家面经总结，超级精彩

本人面试腾讯，阿里，百度等企业总结下来的面试经历，都是真实的，分享给大家！

Java面试准备

准确的说这里又分为两部分：

1. Java刷题
2. 算法刷题

Java刷题：此份文档详细记录了千道面试题与详解；

1. Java刷题
2. 算法刷题

Java刷题：此份文档详细记录了千道面试题与详解；

[外链图片转存中…(img-d1uKq9wI-1712053364586)]

[外链图片转存中…(img-nEVM8Z0V-1712053364586)]