目录
[ISR 关键概念](#ISR 关键概念)
[Kafka 生产者示例](#Kafka 生产者示例)
[Kafka 消费者示例](#Kafka 消费者示例)
ISR机制
Kafka 中的 ISR（In-Sync Replicas）机制是一种用于确保数据可靠性和一致性的重要机制。ISR 是一组副本，它包括分区的领导者（Leader）和追随者（Follower）副本，这些副本与领导者保持数据同步。
ISR 关键概念
-
领导者和追随者：每个分区有一个领导者和零个或多个追随者。领导者负责处理客户端的写请求，而追随者主要用于数据复制。
-
ISR 集合：ISR 集合是分区领导者的一组追随者副本，它们与领导者保持数据同步。只有在 ISR 集合中的追随者副本可以参与数据的写入和读取操作。
-
数据复制：领导者将消息写入其本地日志，并定期将这些消息发送给 ISR 集合中的追随者。追随者接收消息后，将其写入本地日志，以保持数据同步。
-
Leader Epoch 和 Log Start Offset：ISR 集合中的每个追随者都维护了领导者的日志信息，包括领导者的 Leader Epoch 和 Log Start Offset。这些信息用于确保数据的正确复制和同步。
-
数据一致性：只有在 ISR 集合中的所有追随者都成功复制了一条消息后，领导者才会将该消息标记为已提交，确保数据的一致性。
-
故障处理：如果某个追随者发生故障或者追赶进度过慢，那么该追随者可能会被从 ISR 集合中移除。这有助于保持数据的可靠性和避免影响性能。
其中，需要注意的的概念：
-
分区中的所有副本统称为AR(Assigned Replicas)。
-
所有Leader副本加上和Leader副本保持同步的Follower副本组成ISR(In-Sync Replicas)。
-
所有没有保持同步的Follower副本组成OSR(Out-of-Sync Replicas)。
-
AR = ISR + OSR。正常情况下，所有Follower副本都应该和Leader副本一致，即AR=ISR。
-
当Leader故障时，在ISR集合中的Follower才有资格被选举为新的Leader。
HW和LEO
在 Kafka 中，HW（High Watermark）和 LEO（Log End Offset）是与数据复制和消费有关的两个重要概念。
HW（High Watermark）：HW 是指在分区中，已经被所有追随者（Follower）副本复制的消息的位置。HW 是每个分区的属性，它表示已经提交的消息。只有在 HW 之前的消息才被认为是已经提交的，这些消息已经被写入分区的所有追随者副本，并且被认为是安全的，不会丢失。HW 是为了确保数据一致性和可靠性而引入的。
LEO（Log End Offset）：LEO 是指在分区中当前最新消息的位置。LEO 表示分区日志中的最后一条消息的偏移量。LEO 包括已经被写入但尚未被所有追随者副本复制的消息，以及正在等待被写入的消息。LEO 是一个动态的属性，它会随着新消息的写入而逐渐增加。
HW 和 LEO 之间的关系非常重要，它们可以帮助确保数据的可靠性和一致性：
-
HW 之前的消息是已经提交的消息，它们在数据复制中是安全的，不会丢失。
-
LEO 之前的消息是已经写入但尚未被所有追随者副本复制的消息。这些消息可能会在 HW 之前被提交，也可能会在之后被提交。
-
一旦 HW 追赶上 LEO，表示所有的消息都已经提交，分区的数据一致性得到了保障。
Kafka的消息同步流程：
-
初始状态，HW和LEO在同一位置。消费者可以读取的有效消息为0,1,2,3.
-
消息写入Leader，LEO位置改变。Follower进行同步。
-
Follower同步进度决定HW位置，消费者可读的有效消息0,1,2,3,4。
-
完成同步，消费者可读的有效消息0,1,2,3,4,5,6。
可以看出，Kafka的复制机制既不是完全的同步复制，也不是单纯异步复制。
-
同步复制要求所有Follower副本都复制完，太影响性能了。
-
异步复制只要数据被写入Leader副本就认为提交成功，在这种情况下，如果Leader宕机时候Follower还是落后于Leader就会造成数据丢失。
而Kafka使用的ISR机制则有效地权衡了数据可靠性和性能之间的关系。
Java使用Kafka通信
以下是 Kafka 生产者和消费者的简单示例，使用 Kafka 的 Java 客户端库（Kafka Producer 和 Kafka Consumer）来创建一个基本的消息传递示例。
Kafka 生产者示例
import org.apache.kafka.clients.producer.*;
import java.util.Properties;
public class KafkaProducerExample {
public static void main(String[] args) {
String bootstrapServers = "localhost:9092"; // Kafka 服务器地址
String topic = "my-topic"; // Kafka 主题名称
Properties properties = new Properties();
properties.put("bootstrap.servers", bootstrapServers);
properties.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
properties.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
Producer<String, String> producer = new KafkaProducer<>(properties);
// 发送消息
producer.send(new ProducerRecord<>(topic, "key", "Hello, Kafka!"), (metadata, exception) -> {
if (exception == null) {
System.out.println("Message sent to partition " + metadata.partition() + ", offset " + metadata.offset());
} else {
System.err.println("Error sending message: " + exception.getMessage());
}
});
producer.close();
}
}Kafka 消费者示例
import org.apache.kafka.clients.consumer.*;
import java.util.Properties;
import java.time.Duration;
import java.util.Collections;
public class KafkaConsumerExample {
public static void main(String[] args) {
String bootstrapServers = "localhost:9092"; // Kafka 服务器地址
String groupId = "my-group"; // 消费者组 ID
String topic = "my-topic"; // Kafka 主题名称
Properties properties = new Properties();
properties.put("bootstrap.servers", bootstrapServers);
properties.put("group.id", groupId);
properties.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
properties.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(properties);
consumer.subscribe(Collections.singletonList(topic));
while (true) {
ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(100));
for (ConsumerRecord<String, String> record : records) {
System.out.println("Received message: key = " + record.key() + ", value = " + record.value());
}
}
}
}