# 云消息队列 Kafka 版 #
0
关注
10005内容
Flink-10 Flink Java 3分钟上手 Docker容器化部署 JobManager TaskManager Kafka Redis Dockerfile docker-compose
Flink-10 Flink Java 3分钟上手 Docker容器化部署 JobManager TaskManager Kafka Redis Dockerfile docker-compose
Flink-06 Flink Java 3分钟上手 滚动窗口 时间驱动 Kafka TumblingWindow TimeWindowFunction TumblingProcessing
Flink-06 Flink Java 3分钟上手 滚动窗口 时间驱动 Kafka TumblingWindow TimeWindowFunction TumblingProcessing
Flink-04 Flink Java 3分钟上手 FlinkKafkaConsumer消费Kafka数据 进行计算SingleOutputStreamOperatorDataStreamSource
Flink-04 Flink Java 3分钟上手 FlinkKafkaConsumer消费Kafka数据 进行计算SingleOutputStreamOperatorDataStreamSource
Flink-07 Flink Java 3分钟上手 滚动窗口 事件驱动 Kafka TumblingWindow GlobalWindow CountWindow
Flink-07 Flink Java 3分钟上手 滚动窗口 事件驱动 Kafka TumblingWindow GlobalWindow CountWindow
Flink-05 Flink Java 3分钟上手 Redis FlinkJedisPoolConfig 从Kafka写入Redis FlinkKafkaConsumer消费 结果写入Redis
Flink-05 Flink Java 3分钟上手 Redis FlinkJedisPoolConfig 从Kafka写入Redis FlinkKafkaConsumer消费 结果写入Redis
ELFK对接zookeeper&kafka
ELFK对接zookeeper&kafka
从Apache Flink到Kafka再到Druid的实时数据传输，用于分析/决策
从Apache Flink到Kafka再到Druid的实时数据传输，用于分析/决策
Kafka ACK机制详解！
本文深入剖析了Kafka的ACK机制，涵盖其原理、源码分析及应用场景，并探讨了acks=0、acks=1和acks=all三种级别的优缺点。文中还介绍了ISR（同步副本）的工作原理及其维护机制，帮助读者理解如何在性能与可靠性之间找到最佳平衡。适合希望深入了解Kafka消息传递机制的开发者阅读。
Kafka ISR机制详解！
本文详细解析了Kafka的ISR（In-Sync Replicas）机制，阐述其工作原理及如何确保消息的高可靠性和高可用性。ISR动态维护与Leader同步的副本集，通过不同ACK确认机制（如acks=0、acks=1、acks=all），平衡可靠性和性能。此外，ISR机制支持故障转移，当Leader失效时，可从ISR中选取新的Leader。文章还包括实例分析，展示了ISR在不同场景下的变化，并讨论了其优缺点，帮助读者更好地理解和应用ISR机制。
Kafka 如何避免重复消费？
在Apache Kafka中，避免消息的重复消费是确保数据准确处理的关键。本文详细介绍了七种避免重复消费的方法：使用消费者组、幂等生产者、事务性生产者与消费者、手动提交偏移量、外部存储管理偏移量、去重逻辑及幂等消息处理逻辑。每种方法均有其优缺点，可根据实际需求选择合适方案。结合消费者组、手动提交偏移量和幂等处理逻辑通常是有效策略，而对于高一致性要求，则可考虑使用事务性消息。
免费试用