线上Kafka积压后，我是怎么处理的
本文记录一次Kafka消费组Lag飙升20万+的实战排障全过程：从快速定位积压分区、紧急扩容消费者、优化消费参数，到发现Redis大key根因、临时降级、事后加固监控与自动化响应。强调“可观测性+自动化”是应对消息积压的关键。
6-MQ篇-3
Kafka是高性能分布式消息系统，项目中广泛用于异步通信，如内容审核、验证码发送、行为采集等。其高吞吐、解耦、削峰优势显著，但需通过合理分区（如Key哈希）、手动提交Offset、acks=all等机制保障不丢失、不重复、顺序消费。
6-MQ篇-4
Kafka高可用靠集群、分区副本与消费者重平衡；高性能源于顺序读写、零拷贝、页缓存等5大设计；数据清理支持按时间（默认7天）或大小（默认1GB）策略；点对点与发布订阅则通过消费者组机制灵活实现。（239字）
CDC实时数据同步：让数据库变更秒级流向大数据平台！
本文由“数据库小学妹”生动讲解CDC（变更数据捕获）核心原理与实战：基于MySQL binlog实时捕获INSERT/UPDATE/DELETE事件，通过Debezium解析为含before/after的结构化消息，推送至Kafka，实现缓存、ES、Flink等系统的零侵入、秒级同步。兼顾原理、避坑与场景，让数据流通真正实时可靠。
如何同时使用多个Logstash进行不同的日志传输
项目需新增Logstash处理Spring Boot日志，但与现有实例共用默认data目录导致启动失败。错误提示“another instance using the configured data directory”。解决方法：为新实例指定独立data路径，支持命令行`--path.data`、配置文件或环境变量三种方式，确保目录存在且有写权限。
【Kafka核心】消息投递语义、Exactly-Once实现、幂等性、事务消息
本文系统梳理Kafka消息一致性核心体系：以「不丢不重」为目标，详解At-Most-Once、At-Least-Once、Exactly-Once三类投递语义；深入剖析幂等性（单会话单分区去重）与事务机制（跨分区/跨会话原子性）的原理与配置；最终整合生产者、Broker、消费者三方协同，实现端到端Exactly-Once。附最佳实践与避坑指南。
