Anong mga tanong sa interview sa Kafka ang dapat kong asahan?

Alam mo nang isang distributed log ang Kafka, at nag-aalala kang lalalim pa nang isang antas ang interviewer kaysa sa pang-araw-araw mong paggamit. Doon mismo tumutungo ang mga tanong na ito, kaya tinatalakay ng seksiyong ito ang bokabularyo ayon sa karaniwang pagkakasunod ng pagtatanong ng mga interviewer at itinatampok ang kasunod na tanong sa bawat termino.

• Mga topic at partition. Hinahati ang isang topic sa mga partition, at ang bawat isa ay isang append-only at nakaayos na log. Kasunod na tanong: bakit pinapalaki ng Kafka ang kapasidad sa pagsusulat sa pamamagitan ng pagdaragdag ng mga partition sa halip na pabilisin ang iisang log?
• Mga offset. Ang posisyon ng isang consumer sa isang partition. Kasunod na tanong: sino ang nag-iimbak ng mga committed offset, at ano ang mangyayari kung mag-crash ang isang consumer bago mag-commit?
• Mga consumer group. Pinaghahatian ng mga consumer sa isang group ang mga partition ng isang topic, at sa anumang sandali, ang isang partition ay nakatalaga sa hindi hihigit sa isang consumer sa group. Kasunod na tanong: ano ang mangyayari sa throughput kung mas maraming consumer kaysa partition ang group?
• Mga broker at controller. Iniimbak ng mga broker ang mga partition; pinangangasiwaan ng controller ang pagpili ng leader at metadata. Kasunod na tanong: ano ang nagbago nang ilipat ng Kafka ang metadata mula ZooKeeper patungong KRaft?
• Mga producer at key. Ang mensaheng may key ay napupunta sa partition na pinili sa pamamagitan ng pag-hash sa key; ang mensaheng walang key ay ipinamamahagi sa mga partition. Kasunod na tanong: alin sa dalawa ang nagpapanatili ng ordering para sa mga event ng isang customer?

Sagutin ang mga ito gamit ang mekanismo, hindi lang ang islogan. Pangunahing kaalaman lang ang pagsasabing nagbibigay ng parallelism ang mga partition; ang pagpapaliwanag na sa loob lamang ng isang partition umiiral ang ordering, at samakatuwid ay ang key ang nagpapasya sa saklaw ng ordering, ang sagot na magdadala sa iyo sa susunod na round.

Sa antas na ito nawawalan ng puntos ang karamihan sa mga kandidato, dahil madaling sabihin ang mga termino ngunit hindi madali ang mga trade-off. Asahang magbibigay ang interviewer ng isang garantiya at hihilinging buuin mo ito mula sa mga setting.

• At-most-once kumpara sa at-least-once. Kapag nag-commit ka ng offset bago magproseso, maaari kang mawalan ng mensahe; kapag nagproseso ka muna at nag-commit pagkatapos, maaari mo itong maproseso nang dalawang beses. Sabihin kung aling pagkabigo ang kayang tiisin ng bawat pagkakasunod at alin ang mas angkop sa iyong system.
• Mga idempotent producer at exactly-once. Inaalis ng isang idempotent producer ang mga dobleng retry sa loob ng isang partition; pinalalawak iyon ng mga transaction sa maraming partition at sa mga consumer offset sa isang consume-transform-produce loop. Maging handang sabihin kung ano ang hindi saklaw ng exactly-once: problema mo pa rin ang pagsusulat sa downstream database na nasa labas ng transaction.
• acks, replication factor, at mga in-sync replica. Hinihintay ng acks=all ang hanay ng mga in-sync replica; itinatakda ng min.insync.replicas kung gaano kaliit maaaring maging ang hanay na iyon bago tanggihan ang mga write. Madalas itanong ng mga interviewer kung ano ang ipinagpapalit mo para sa durability: latency at availability kapag nawalan ng broker.
• Retention at compaction. Binubura ng retention batay sa oras o laki ang mga lumang segment; pinananatili ng log compaction ang pinakabagong record para sa bawat key. Kasunod na tanong: alin ang sumusuporta sa changelog para sa isang key-value store, at bakit?
• Rebalancing. Kapag sumali o umalis ang isang consumer, muling itinatalaga ang mga partition. Kasunod na tanong: ano ang epekto ng matagal na rebalance sa isang serbisyong sensitibo sa latency, at paano binabawasan ng cooperative rebalancing at static membership ang problema?

Isang kapaki-pakinabang na ugali: sa bawat setting na babanggitin mo, sabihin ang pagkabigong pinipigilan nito at ang dagdag na kapalit nito. Sa estrukturang iyon, masasagot mo ang tanong at ang kasunod na tanong nang tuloy-tuloy.

Sa mga senior interview loop, pinapalitan ng isang sitwasyon ang mga depinisyon upang makita kung paano ka mangatwiran. Isang karaniwang prompt: hinihiling sa isang backend engineer na nag-iinterview para sa platform role sa isang kumpanya ng pagbabayad na magdisenyo ng event pipeline kung saan dapat maproseso nang sunod-sunod ang bawat transaksyon para sa isang account, dapat lumaki ang throughput kasabay ng traffic, at hindi dapat mawalan ng data kapag nagkaaberya ang broker. Sa mahusay na sagot, ginagamit ang account id bilang key ng mga mensahe upang mapunta sa iisang partition ang mga event ng isang account, tinatantiya ang mga partition para sa inaasahang peak na may puwang para sa paglago, itinatakda ang replication at acks=all para sa durability, at ipinapaliwanag kung paano nagko-commit ng mga offset ang mga consumer upang ulitin ang pagproseso sa halip na lumaktaw kapag nag-crash.

Iba pang paulit-ulit na sitwasyon: isang consumer na nahuhuli at kung paano mo matutukoy ang lag at hahabol; isang topic na pinagsisisihan mo ang bilang ng mga partition at kung bakit sinisira ng repartitioning ang key ordering; isang poison message na nagpapa-crash sa consumer at ang dead-letter pattern na naghihiwalay dito; mga pagbabago sa schema sa mga producer at consumer at kung ano ang pakinabang ng schema registry. Hindi naghahanap ang interviewer ng iisang tamang arkitektura. Gusto nilang pangalanan mo ang constraint, pumili ng mekanismo, at sabihin nang malinaw ang trade-off.

Sanayin ang mga ito nang malakas bago ang interview sa halip na basahin lamang. Ang pagsasanay sa mga tanong na batay sa sitwasyon kasama ang isang AI interviewer na nagtatanong pa nang mas malalim ang layunin ng practice mode sa pahina ng mock interview, at makikita ang mas malawak na koleksiyon ayon sa role at topic sa mga tanong sa interview ayon sa role at topic.

Sa isang conversational round, oo, sa loob ng tapat na mga limitasyon. Kinukuha ng native macOS at Windows desktop app ng SubcueAI ang audio ng interviewer at ang iyong mikropono, at nagpapakita ito ng maiikling mungkahing sagot sa isang local overlay, kaya kapag tinanong ng interviewer kung laban saan nagpoprotekta ang min.insync.replicas, nasa screen mo ang mekanismo habang ipinapaliwanag mo ito sa sarili mong pananalita. Gayon din ang ginagawa ng browser extension para sa mga tawag sa browser tab, at audio lamang ng meeting tab ang kinukuha nito. Hindi nagdaragdag ang alinman ng bot sa tawag at hindi rin nag-i-inject ng anuman sa pahina ng meeting; nasa pahina ng tutorial ang gabay sa setup.

Mas mahalaga ang mga limitasyon kaysa sa pangako. Hindi saklaw ang isang proctored coding test, recorded screen, o laptop na pinamamahalaan ng kumpanya, at sarili mong gawain ang live coding exercise kung saan kailangan mong magpatupad ng consumer habang inoobserbahan. Pinakamahusay ang assistant para sa mga tanong sa terminolohiya at trade-off sa itaas, at pinakamahina para sa anumang tina-type sa isang assessment platform. Bago ka umasa rito, ibigay dito ang iyong resume upang maipakita sa mga mungkahi ang aktuwal mong ginawa sa Kafka; nasa resume builder ang profile na iyon.