考虑如下一个问题：
某个topic下的某个partition， 假设他有3个副本(1个leader，2个follower)；
在某个时刻，leader里有100条数据， 第1个follower里有80条数据， 第2个follower里有90条数据；
场景1：某个时刻leader挂掉了，从follower重新选举一个leader出来，如果恰好选出来有80条记录的那个follower当了新的leader ，那么问题来了， 此时新leader只有80条数据， 而follower却拥有90条数据；
场景2：某个时刻leader挂掉了，从follower重新选举一个leader出来，如果恰好选出来有90条记录的那个follower当了新的ledaer，那么问题来了， 当之前的那个旧的leader重新活过来了，身份却从leader变成了follower， 导致leader有90条数据，而follower却拥有100条数据；
这个就是kafka数据一致性问题；
两个概念：
LEO（Log End Offset）：指每个副本的最大offset；
HW（High Water）：高水位，ISR队列里最小的LEO；
针对上面的例子， 三个partition的LEO分别是100、80、90，而三个partition的HW都是80(ISR队列中的最小的LEO)；
处理方式是新官上任三把火，当leader发生故障，重新选举新的leader后，新的ledaer要求其余follower将高于HW的数据接去掉，然后从新的leader重新同步数据；
注：这个只能保证副本之间数据的一致性，并不能保证数据不丢失或者不重复，数据丢失与否或者重复与否，是ack的值(0、1、或-1)来管的；
