1 副本基本信息

  Kafka 副本可以提高数据可靠性。分为Leader 和 Follower；Kafka 生产者只会把数据发往 Leader，然后 Follower 找Leader 进行同步数据。
  Kafka 默认副本 1 个，生产环境一般配置为 2 个，保证数据可靠性；太多副本会增加磁盘存储空间，增加网络上数据传输，降低效率。

  Kafka 分区中的所有副本统称为 AR（Assigned Repllicas）。AR = ISR + OSR

  ISR，表示和 Leader 保持同步的 Follower 集合。如果 Follower 长时间未向 Leader 发送通信请求或同步数据，则该 Follower 将被踢出 ISR。该时间阈值由replica.lag.time.max.ms参数设定，默认 30s。Leader 发生故障之后，就会从ISR 中选举新的Leader。

  OSR，表示Follower 与Leader 副本同步时，延迟过多的副本。

2 Leader选举流程

  Kafka 集群中有一个 broker 的 Controller 会被选举为 Controller Leader，负责管理集群 broker 的上下线、所有 topic 的分区副本分配和 Leader 选举等工作。
  Controller 的信息同步工作是依赖于Zookeeper 的。

Zookeeper集群与Kafka集群间的通信：

（1） Kafka集群的每个broker启动之后都会向zookeeper进行注册。

（2） 注册完毕之后开始选择controller节点（争先抢占方式）。

（3） 选举出来的controller监听/brokers/ids/节点的变化。

（4） 监控完毕之后根据选举规则开始真正的选举Leader。

（5） Controller将节点的Leader信息和isr信息写到zookeeper上。

（6） 其它的controller节点会冲zookeeper上拉取数据进行同步（防止controllerLeader挂了，随时上位）。

（7） 生产者往集群发送数据，发送数据之后Leader主动与Follower进行同步（底层通过LOG进行存储，实际为segment，分为.log文件和.index文件）再进行应答。

（8） 当Leader节点挂了之后controller监控到节点变化。

（9） Controller从zookeeper上拉取Leader信息和isr信息。

（10） Controller根据拉取的信息和选举规则再重新选举Leader。

（11） 选举出来新的Leader之后更新zookeeper中的信息。

（0）启动hadoop105中的Kafka。

bin/kafka-server-start.sh -daemon ./config/server.properties

（1）创建一个新的topic，4个分区，4个副本

bin/kafka-topics.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --create --topic lyx1 --partitions 4 --replication-factor 4

（2）查看Leader分布情况

bin/kafka-topics.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --describe --topic lyx1

（3）停止掉hadoop105的kafka进程，并查看Leader分区情况

bin/kafka-server-stop.sh

bin/kafka-topics.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --describe --topic lyx1

（4）停止掉hadoop104的kafka进程，并查看Leader分区情况

（5）启动hadoop105的kafka进程，并查看Leader分区情况

bin/kafka-server-start.sh -daemon ./config/server.properties

bin/kafka-topics.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --describe --topic lyx1

（6）启动hadoop104的kafka进程，并查看Leader分区情况

  综上，ISR为和 Leader 保持同步的 Follower 集合，即表示存活的集合。Replicas为AR，在选举Leader时以Isr中从存活为前提，按AR中顺序进行轮询。

3 Leader和Follower故障处理

LEO（Log End Offset）：每个副本的最后一个offset，LEO其实就是最新的offset + 1。
HW（High Watermark）：所有副本中最小的LEO 。

3.1 Follower故障

（1）初始：Leader先接受数据再进行同步到副本，此时消费者能看到的最大offset为4，即HW-1，LEO和HW如下：

（2）Follower发生故障后被临时踢出ISR。

（3）期间Leader和Follower继续接受数据。

（4）故障Follower恢复后，Follower会读取本地磁盘记录的上次的HW，并将log文件高于HW的部分截取去掉（认为是没有验证过的），从HW开始向Leader进行同步。

（5）等该Follower的LEO大于等于该Partition的HW，即Follower追上Leader后，就可以重新加入ISR。

3.2 Leader故障

（1）初始：

（2）Leader发生故障后被临时踢出ISR，从ISR中选一个新的Leader。

（3）为保证多个副本之间的数据一致性，其余的Follower会先将各自的log文件高于HW的部分截掉，然后从新的Leader同步数据。

  PS：这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复。
  故障Leader中的数据5、6、7可能会丢失。

4 分区副本分配

kafka 的分区数大于服务器台数，在 kafka底层分配存储副本情况：
（1）创建16分区，3个副本：

bin/kafka-topics.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --create --partitions 16 --replication-factor 3 --topic second

（2）查看分区和副本情况：

bin/kafka-topics.sh --bootstrap-server hadoop102:9092,hadoop103:9092 --describe --topic second