在Kafka集群进行水平扩展或缩容操作时，有哪些机制和设计用于确保数据的持久性、副本一致性以及不丢失消息？请说明关键原理。

回答思路

1. 【回答框架 1】Kafka通过分区多副本机制保证数据安全，每个分区有多个副本，其中leader负责读写，follower同步数据。副本同步使用ISR（In-Sync Replica）集合，只有同步中的副本才参与选举，确保已提交消息在leader故障时不会丢失。
2. 【回答框架 2】集群扩展（增加broker）时，通过分区再分配工具将部分分区迁移到新broker。迁移以副本为单位，先在新broker上复制数据，追平进度后再切换leader，整个过程对外无感知，保证数据一致性。
3. 【回答框架 3】集群缩容时，broker下线前会先触发分区迁移，将leader和副本转移到其他broker。使用kafka-reassign-partitions.sh或kafka-leader-election.sh等工具，确保迁移完成后再下线，避免数据丢失。
4. 【回答框架 4】数据一致性依赖ack配置：acks=all要求所有ISR副本确认写入，配合min.insync.replicas设置最小副本数，防止仅leader写入成功导致的数据丢失。但需理解ack语义，未写满ISR时可能写入失败。
5. 【关键点 1】多副本与ISR机制保证可用性和数据不丢失。
6. 【关键点 2】分区再分配实现无感迁移，保持数据一致性。
7. 【关键点 3】acks=all和min.insync.replicas提供一致性保障。
8. 【关键点 4】扩展或缩容不影响已提交数据的持久性。
9. 【易错点 1】忽略分区再分配期间的流量压力和网络开销。
10. 【易错点 2】误以为acks=0或acks=1仍能保证不丢数据。
11. 【易错点 3】缩容时直接kill broker而未先迁移分区。