Kafka对于producer发来的消息怎么保证可靠性？
每个partition都给配上副本，做数据同步，保证数据不丢失。
副本数据同步策略
和zookeeper不同的是，Kafka选择的是全部完成同步，才发送ack。但是又有所区别。
所以，你们才会在各种博客看到这句话【kafka不是完全同步，也不是完全异步，是一种ISR机制】
这句话对也不对，不对也对（谜语人......）
首先笔者认为：Kafka使用的就是完全同步方案。
完全同步的优点
同样为了容忍 n 台节点的故障，过半机制需要 2n+1 个副本，而全部同步方案只需要 n+1 个副本，
而 Kafka 的每个分区都有大量的数据，过半机制方案会造成大量数据的冗余。（这就是和zookeeper的不同）
完全同步会有什么问题？
假设就有这么一个follower延迟太高或者某种故障的情况出现，导致迟迟不能与leader进行同步。
怎么办？leader等还是不等？
等吧：producer有话要说：“Kafka也不行啊，处理个消息这么费劲，垃圾，你等NM呢等”
不等：那你Kafka对外说完全同步个鸡儿，你这是完全同步么？
基于此，Kafka的设计者和开发者想出了一个非常鸡贼的点子：ISR
什么是ISR？
先来看几个概念
1、AR（Assigned Repllicas）一个partition的所有副本（就是replica，不区分leader或follower）
2、ISR（In-Sync Replicas）能够和 leader 保持同步的 follower + leader本身 组成的集合。
3、OSR（Out-Sync Relipcas）不能和 leader 保持同步的 follower 集合
4、公式：AR = ISR + OSR
所以，看明白了吗？
Kafka对外依然可以声称是完全同步，但是承诺是对AR中的所有replica完全同步了吗？
并没有。Kafka只保证对ISR集合中的所有副本保证完全同步。
至于，ISR到底有多少个follower，那不知道，别问，问就是完全同步，你再问就多了。
这就好比网购买一送一，结果邮来了一大一小两个产品。
你可能觉得有问题，其实是没问题的，商家说送的那个是一模一样的了吗？并没有。
ISR就是这个道理，Kafka是一定会保证leader接收到的消息完全同步给ISR中的所有副本。
而最坏的情况下，ISR中只剩leader自己。
基于此，上述完全同步会出现的问题就不是问题了。
因为ISR的机制就保证了，处于ISR内部的follower都是可以和leader进行同步的，一旦出现故障或延迟，就会被踢出ISR。
ISR 的核心就是：动态调整
总结：Kafka采用的就是一种完全同步的方案，而ISR是基于完全同步的一种优化机制。
follower的作用
读写都是由leader处理，follower只是作备份功能，不对外提供服务。
什么情况ISR中的replica会被踢出ISR？
以前有2个配置
# 默认10000 即 10秒
replica.lag.time.max.ms# 允许 follower 副本落后 leader 副本的消息数量，超过这个数量后，follower 会被踢出 ISR
replica.lag.max.messages 说白了就是一个衡量leader和follower之间差距的标准。
一个是基于时间间隔，一个是基于消息条数。
0.9.0.0版本之后，移除了replica.lag.max.messages 配置。
为什么？
因为producer是可以批量发送消息的，很容易超过replica.lag.max.messages，那么被踢出ISR的follower就是受了无妄之灾。
他们都是没问题的，既没有出故障也没高延迟，凭什么被踢？
replica.lag.max.messages调大呢？调多大？太大了是否会有漏网之鱼，造成数据丢失风险？
这就是replica.lag.max.messages的设计缺陷。
replica.lag.time.max.ms的误区
【只要在 replica.lag.time.max.ms 时间内 follower 有同步消息，即认为该 follower 处于 ISR 中】
你去网上看博客，很多博客表达的就是这个意思，不过笔者认为这么描述很容易误导初学者。
那我是不是可以理解为，follower有个定时任务，只要在replica.lag.time.max.ms时间内去leader那pull数据就行了。
其实不是的。千万不要这么认为，因为这里还涉及一个速率问题（你理解为蓄水池一个放水一个注水的问题）。
如果leader副本的消息流入速度大于follower副本的拉取速度时，你follower就是实时同步有什么用？
典型的出工不出力，消息只会越差越多，这种follower肯定是要被踢出ISR的。
当follower副本将leader副本的LEO之前的日志全部同步时，则认为该follower副本已经追赶上leader副本。
此时更新该副本的lastCaughtUpTimeMs标识。
Kafka的副本管理器（ReplicaManager）启动时会启动一个副本过期检测的定时任务，
会定时检查当前时间与副本的lastCaughtUpTimeMs差值是否大于参数replica.lag.time.max.ms指定的值。
所以replica.lag.time.max.ms的正确理解是：
follower在过去的replica.lag.time.max.ms时间内，已经追赶上leader一次了。
follower到底出了什么问题？
两个方面，一个是Kafka自身的问题，另一个是外部原因
Kafka源码注释中说明了一般有两种情况会导致副本失效：
1、follower副本进程卡住，在一段时间内根本没有想leader副本发起同步请求，比如频繁的Full GC。
2、follower副本进程同步过慢，在一段时间内都无法追赶上leader副本，比如IO开销过大。
1、通过工具增加了副本因子，那么新增加的副本在赶上leader副本之前也都是处于失效状态的。
2、如果一个follower副本由于某些原因（比如宕机）而下线，之后又上线，在追赶上leader副本之前也是出于失效状态。
什么情况OSR中的replica会重新加入ISR？
基于上述，replica重新追上了leader，就会回到ISR中。
相关的重要概念
需要先明确几个概念：
1、LEO（last end offset）：
当前replica存的最大的offset的下一个值
2、HW（high watermark）：
小于 HW 值的offset所对应的消息被认为是“已提交”或“已备份”的消息，才对消费者可见。
假设ISR中目前有1个leader，3个follower。
1、leader接收一个消息，自己保存后，马上发送3个请求通知3个follower赶紧保存
2、等待3个follower响应保存成功
3、响应producer，消息提交成功
你是这么想的么？反正当时我是这么想的。
实际上不是的，这个同步是follower主动去请求leader进行同步的。
因为是每个follower情况不一样，所以才会出现LEO和HW的概念。
简言之，木桶原理
replica里存了多少数据和consumer能消费多少数据，不是一回事。
所谓木桶原理，就是把每个replica当作一个木桶的板子，桶能装多少水只取决于最短的那块板子。
这就是也有些人把HW叫成 高水位 的原因。
而 HW 的概念，也契合前文提到的【完全同步】，HW之前的所有消息，在ISR中是完全同步的。
写在最后的话
【推荐大家在看Kafka相关博客文章视频的时候，遇到任何问题不要纠结，赶紧翻书，Kafka相关的博客真的一言难尽】
就这块的知识点，大家请注意，你去看博客或者公众号或者培训机构的视频，介绍的五花八门， 含糊不清。
咱也不知道都是在哪学的.....笔者在Kafka官方文档中搜索关键字，并未搜索到，也可能是我的搜索方式不对，
总之那些又画线，又上色的，图整了不少，整的花里胡哨的，都TM不一样。
还俗称“高水位”，俩破单词不够你得瑟的了，你是不是觉得你讲的生动形象？？？
前提是知识点要准确啊，瞎JB比喻！
如果你把consumer可见消息比喻成水，HW比喻“水位”，
那么HW就是consumer可见的那个最大的offset，因为水位就是水面，水面也是水。
而如果不是，那我宁愿把HW比喻成船。紧贴水面的就是船，船永远在水面之上，水涨而船高。
很多图，都把replica化成了数组的模样，offset好似数组的index，
如果是这样，我宁愿把LEO比喻成 C语言字符串中的 "\0"，就是标识位。
笔者猜测，LEO应该除了记录offset，还记录了一个像segment的index文件里的position一样。
指向最后一个消息有啥用，还不是要算一次偏移量，才能记录新消息。如果这个物理地址记录的是最后一个消息的后面的位置，那么新消息进来就能直接定位，直接写文件了。
【HW就是ISR中最小的LEO】有人也这么说的。有说HW <= LEO的，有说HW < LEO。爷吐了.....
随便截2篇博客，大家先尝尝。
我写的只是一个能说服我自己的概念知识点，对错我保证不了。
希望精通源码的大佬看到能在评论区解惑，不胜感激。
------- 路漫漫其修远兮，我求索NMLB。
