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。
【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。
