字节面试官：你说说 Kafka 为什么是高性能的？
东哥约 4 分钟不得不说，面试中的“灵魂拷问”真是五花八门，但有一个问题每次听到都能让人瞬间清醒，那就是：“Kafka 为什么是高性能的？”
讲真，这个问题不仅是面试官在考你技术深度，更是在摸你对架构设计的理解。这不，我今天就化身“面试者”，用程序员的视角，和大家聊聊 Kafka 高性能背后的秘密，顺便给点我的理解。
一、Kafka 高性能的秘诀之一：顺序写磁盘
要理解 Kafka 高性能的核心，得先聊聊“顺序写磁盘”这件事儿。Kafka 的消息是以日志文件的形式存储的，而日志的写入方式是顺序写。
为什么顺序写这么香？
相比随机写，顺序写的磁盘寻址操作更少，IO性能会高出几个数量级。打个比方，随机写就像在图书馆里到处找一本书，东翻翻西找找；而顺序写就是你把书架上的书一摞一摞按顺序放上去，不用动来动去，效率直接拉满。
代码举个栗子，Kafka 的日志存储底层代码用的是 FileChannel，配合 mmap 技术优化磁盘操作：
FileChannel channel = FileChannel.open(Paths.get("kafka-log"), StandardOpenOption.WRITE);
ByteBuffer buffer = ByteBuffer.allocate(1024);
buffer.put("Hello Kafka".getBytes());
buffer.flip();
channel.write(buffer); // 顺序写
简单几行代码，却承载着 Kafka 高效的日志存储能力。
二、分区+分片：并发的魔法师
Kafka 的另一个高性能法宝是分区机制。一个主题（Topic）可以被分成多个分区，每个分区独立存储，独立消费。这样，生产者和消费者就能并发处理数据，充分利用多核 CPU 和多台机器的性能。
来个生活化的类比：假如你是快递员，原本只有你一个人送全城快递，效率肯定低。但如果把全城分成几个片区，每个片区分给一个快递员，那效率是不是蹭蹭往上涨？Kafka 的分区机制干的就是这事。
分区内的数据是有序的，但跨分区的数据可能是无序的。这就引出了一个设计的取舍问题：性能 vs 有序性。Kafka 选择了性能优先，这也是为什么在消费端需要手动处理消息顺序。
代码层面看分区的创建和分配逻辑时，可以从生产者端找到答案：
ProducerRecord<String, String> record = new ProducerRecord<>("topic", "key", "value");
int partition = Math.abs(record.key().hashCode()) % numberOfPartitions;
通过 key 的 hash 值计算分区，确保同一个 key 总是落在同一个分区。
三、零拷贝：操作系统的“借力打力”
零拷贝（Zero Copy）是 Kafka 在数据传输时的杀手锏。它利用了操作系统提供的 sendfile 系统调用，让数据直接在内核空间里“飞”，而不是绕道用户空间，减少了 CPU 和内存的开销。
传统的数据传输流程可能是这样：
从磁盘读到内核缓冲区； 从内核缓冲区拷贝到用户缓冲区； 从用户缓冲区再拷贝到 Socket 缓冲区； 发送到网络。
而零拷贝优化后：
磁盘数据直接拷贝到 Socket 缓冲区； 发送到网络。
Kafka 的日志存储采用这种方式，提高了吞吐量。代码里其实是依赖 Java 的 FileChannel.transferTo 方法来实现的：
FileChannel fileChannel = FileChannel.open(Paths.get("kafka-log"), StandardOpenOption.READ);
SocketChannel socketChannel = SocketChannel.open(new InetSocketAddress("localhost", 9092));
fileChannel.transferTo(0, fileChannel.size(), socketChannel); // 零拷贝
四、批处理：拥抱大吞吐量
Kafka 在生产和消费消息时，都会采用批处理的方式。批处理就是将多条消息攒到一起，再进行网络传输或写磁盘。一次性搞定多条消息，显然要比一条一条传省事儿。
批处理有两个关键参数：批次大小（batch.size）和延迟时间（linger.ms）。简单来说：
批次大小控制单次发送的消息量； 延迟时间控制数据在缓冲区的等待时间。
比如生产者的配置：
Properties props = new Properties();
props.put("batch.size", 16384); // 16KB 的批次大小
props.put("linger.ms", 5); // 最多等待 5ms
Kafka 会尽量把消息攒到批次中，如果超过了批次大小或延迟时间，就会发送。这种方式既提高了吞吐量，又减少了网络的频繁通信。
五、消息压缩：传输效率再提升
Kafka 支持消息压缩，比如 GZIP、Snappy 等。压缩后的消息占用更少的带宽，传输速度也更快。虽然压缩需要额外的 CPU 开销，但在网络传输中，这点成本和带宽节省比起来，简直不值一提。
生产者代码中可以简单开启压缩：
Properties props = new Properties();
props.put("compression.type", "gzip"); // 开启 GZIP 压缩
六、数据复制：性能与可靠性兼顾
Kafka 通过副本（Replica）机制保证数据可靠性，但副本同步并没有影响性能。它采用异步复制方式：Leader 分区负责处理写请求，Follower 分区异步拉取数据。这种设计既保证了性能，又避免了过多的延迟。
要注意，ISR（In-Sync Replica）机制在这里发挥了重要作用。如果 Leader 挂掉了，Kafka 会从 ISR 中选出新的 Leader，确保消息不丢失。
当然了，光会说不够，得多看源码，多敲代码。面试官要是再问我这个问题，我就甩出这些点，外加点代码，看看他还能接着怎么问～ 😂
那么问题来了：你觉得 Kafka 的哪一点最让你觉得“妙不可言”？评论区见～
-END-
以上，就是今天的分享了，看完文章记得右下角给何老师点赞，也欢迎在评论区写下你的留言。