1. 如何防⽌消息丢失
在生产者层面，我们有个ack参数确认机制
设置成-1，也就是副本全部同步了leader才发送ack，这样确保leader和副本挂掉只剩一个还能
保证消息不丢失
消费者：
把⾃动提交改成⼿动提交
2. 如何防⽌重复消费
在防⽌消息丢失的⽅案中，如果⽣产者发送完消息后，因为⽹络抖动，没有收到ack，但实际上broker已经收到了。此时⽣产者会进⾏重试，于是broker就会收到多条相同的消息，⽽造成消费者的重复消费。
怎么解决：
⽣产者关闭重试：会造成丢消息（不建议）
消费者解决⾮幂等性消费问题：
所谓的幂等性：多次访问的结果是⼀样的。对于rest的请求（get（幂等）、post（⾮幂
等）、put（幂等）、delete（幂等））
解决⽅案：
1.在数据库中创建联合主键，防⽌相同的主键 创建出多条记录
假设我们有一个电商平台，其中有一个订单系统，需要处理用户的订单。在这个业务场景下，我们可以使用联合主键来避免重复消费。
假设订单系统中的订单数据存储在数据库表中，表结构包含以下字段：订单ID、用户ID、商品ID、订单状态等。
订单系统通过消息队列将订单数据发送给其他系统进行处理，比如库存系统和物流系统。当订单系统发送一个订单消息给库存系统时，可能由于网络抖动或其他原因导致消息发送失败，此时订单系统会进行重试。
然而，由于某些原因（如网络延迟、重试机制设计等），重试过程中可能会导致重复发送相同的订单消息到库存系统。如果没有相应的方式来防止重复消费，库存系统可能会处理同一订单多次，导致库存错误或其他问题。
为了解决这个问题，我们可以在订单数据表中创建一个联合主键，由订单ID、用户ID和商品ID组成。这样，当订单系统接收到一个新订单时，首先检查数据库中是否已存在具有相同联合主键的记录。
如果存在重复记录，订单系统可以判断该订单消息已经被处理过，并选择跳过重复消息的处理。如果不存在重复记录，则将该订单数据插入数据库，并发送消息给库存系统进行处理。
通过使用联合主键，我们可以确保在订单系统中防止重复消费的问题。即使在订单系统进行重试时，库存系统只会处理首次收到的订单消息，避免了重复消费产生的问题
2.使⽤分布式锁，以业务id为锁。保证只有⼀条记录能够创建成功
假设我们有一个在线活动报名系统，用户可以通过该系统报名参加各种活动。在这个业务场景中，我们可以使用分布式锁来保证同一个用户只能成功报名一次活动。
假设活动报名系统中的报名记录存储在数据库表中，表结构包含以下字段：报名ID、用户ID、活动ID、报名状态等。
当用户尝试报名一个活动时，系统需要进行以下操作：
1.检查该用户是否已经报名了该活动。
2.如果用户已经报名了该活动，则返回相应的提示，阻止用户重复报名。
3.如果用户未报名该活动，则将报名信息插入数据库，并完成报名流程。
在这个场景下，我们可以使用分布式锁来保证同一个用户只能成功报名一次活动。以用户ID作为锁的key，当用户尝试报名活动时，先尝试获取该用户的锁。
如果获取到了锁，表示该用户尚未报名该活动，可以继续执行报名操作，并将用户ID作为锁的值存储在分布式锁中。
如果未能获取到锁，表示该用户已经报名了该活动，可以给用户返回相应的提示，阻止用户重复报名。
3. 如何做到消息的顺序消费
- ⽣产者：保证消息按顺序消费，且消息不丢失——使⽤同步的发送，ack设置成⾮0的值。
- 消费者：主题只能设置⼀个分区，消费组中只能有⼀个消费者
kafla的顺序消费使⽤场景不多，因为牺牲掉了性能，但是⽐如rocketmq在这⼀块有专⻔的功能已设计好。
4. 如何解决消息积压问题
4.1 消息积压问题的出现
消息的消费者的消费速度远赶不上⽣产者的⽣产消息的速度，导致kafka中有⼤量的数据没有被消费。随着没有被消费的数据堆积越多，消费者寻址的性能会越来越差，最后导致整个kafka对外提供的服务的性能很差，从⽽造成其他服务也访问速度变慢，造成服务雪崩。
4.2 消息积压的解决⽅案
在这个消费者中，使⽤多线程，充分利⽤机器的性能进⾏消费消息。
通过业务的架构设计，提升业务层⾯消费的性能。
创建多个消费组，多个消费者，部署到其他机器上，⼀起消费，提⾼消费者的消费速度
创建⼀个消费者，该消费者在kafka另建⼀个主题，配上多个分区，多个分区再配上多个
消费者。该消费者将poll下来的消息，不进⾏消费，直接转发到新建的主题上。此时，新
的主题的多个分区的多个消费者就开始⼀起消费了。——不常⽤
5. 实现延时队列的效果
5.1 应用场景
订单创建后，超过30分钟没有⽀付，则需要取消订单，这种场景可以通过延时队列来实现
5.2 具体方案
kafka中创建创建相应的主题
消费者消费该主题的消息（轮询）
消费者消费消息时判断消息的创建时间和当前时间是否超过30分钟（前提是订单没⽀付）
如果是：去数据库中修改订单状态为已取消。
如果否：记录当前消息的offset，并不再继续消费之后的消息。等待1分钟后，再次向kafka拉取该offset及之后的消息，继续进⾏判断，以此反复。
