Kafka架構(gòu) 1.1 Kafka整體架構(gòu)
1.2 Topic & Partition
1.3 Producer最佳實(shí)踐
1.4 消息路由之自定義Partitioner
1.5 兩種不同的Consumer用法
Kafka高可用原理 2.1 Kafka面臨的CAP問題
2.2 高可用下的數(shù)據(jù)分發(fā)
2.3 動(dòng)態(tài)平衡策略ISR
2.4 基于Zookeeper的領(lǐng)導(dǎo)選舉方案
2.5 Failover原理
Consumer Rebalance方案演進(jìn)
Kafka Stream
3.1 為什么需要Rebalance
3.2 Rebalance實(shí)現(xiàn)的效果
3.3 自治式Rebalance原理及問題
3.4 集中式Rebalance實(shí)現(xiàn)原理
3.5 應(yīng)用程序如何處理Consumer Rebalance
Kafka Stream 4.1 Kafka Stream架構(gòu)
4.2 Kafka Stream并發(fā)模型
4.3 實(shí)現(xiàn)Topology的兩種方式
4.4 窗口和Join原理與可恢復(fù)性保障
4.5 Kafka Stream與其它流式處理系統(tǒng)的異同
Kafka運(yùn)維與如何實(shí)現(xiàn)正好一次 5.1 重新分配Replica
5.2 Preferred Replica Leader Election
5.3 兩階段提交實(shí)現(xiàn)正好一次
5.4 冪等操作實(shí)現(xiàn)正好一次
5.5 數(shù)據(jù)處理與offset管理放在同一事務(wù)實(shí)現(xiàn)正好一次 |