【译】Kafka最佳实践 / Kafka Best Practices

时间：2021-01-16 08:12:08

本文来自于DataWorks Summit/Hadoop Summit上的《Apache Kafka最佳实践》分享，里面给出了很多关于Kafka的使用心得，非常值得一看，今推荐给大家。

硬件配置

【译】Kafka最佳实践 / Kafka Best Practices

 

JBOD: Just bunch of disks，就是普通的一堆磁盘组成的集群

OS调优

1 页缓存：尽量分配与所有日志的激活日志段大小相同的页缓存大小 2 文件描述符限制： 10万以上 3 禁掉swap 4 使用Java 8和G1，分配6~8GB的堆大小

 磁盘调优

1 使用多块磁盘，专属分配给kafka 2 一般环境使用JBOD即可，但JBOD有一些固有的缺陷，比如磁盘失败将导致Kafka异常关闭，造成数据不一致，社区已经着手解决 3 使用EXT4或XFS 4 尽量使用SSD

基本监控

1 CPU负载 2 网络带宽 3 文件句柄数 4 磁盘空间 5 磁盘IO性能 6 垃圾回收 7 zookeeper监控

如何监控备份不足情况发生？

JMX指标：kafka.server:type=ReplicaManager,name=UnderReplicatedPartitions

可能原因
  • broker挂了
  • controller问题
  • zk问题
  • 网络问题
 解决办法
  • 调整ISR参数，比如 min.insync.replica和replica.lag.time.max.ms, num.replica.fetchers
  • 增加broker数

 controller问题

1 避免zk会话超时
  • ISR抖动
  • zk性能问题
  • Long GC
  • 网络问题
  2 监控controller
  • kafka.controller:type=KafkaController,name=ActiveControllerCount应该=1
  • 监控LeaderElectionRate

unclean leader选举

1 允许非ISR中的副本成为leader 2 监控JMX指标： kafka.controller:type=ControllerStats,name=UncleanLeaderElectionsPerSec

集群评估(sizing)

1 broker评估
  • 单broker上的分区数<2000
  • 控制分区大小，不要超过25GB
 2 broker数评估：根据retention和流量进行评估 3 集群扩展
  • 磁盘使用率<60%
  • 网络使用率<75%
 4 集群监控
  • 确保topic分区分布尽量均匀
  • 确保broker节点不会磁盘、带宽耗尽

broker监控

1 分区数： kafka.server:type=ReplicaManager,name=PartitionCount 2 leader副本数： kafka.server:type=ReplicaManager,name=LeaderCount 3 ISR扩容率/缩容率：kafka.server:type=ReplicaManager,name=IsrExpandsPerSec 4 入站消息/出站消息：Message in rate/Byte in rate/Byte out rate 5 broker网络请求处理平均空闲率： NetworkProcessorAvgIdlePercent 6 请求平均处理空闲率： RequestHandlerAvgIdlePercent

topic评估

1 分区数
  • 至少和最大的消费者组中consumer的数量一致
  • 分区不要太大，小于25GB
  • 要考虑未来业务的扩容
 2 使用keyed消息，即指定key 3 为扩展分区确立阈值，即确定当分区大小达到阈值时增加topic分区数

选择分区

 1 基于TPS需求大致确定分区数, 即目标TPS/min(Producer TPS, Consumer TPS) 2 更多分区意味着更多的文件句柄、消息处理延时和更多的内存使用

份额控制

1 避免恶意客户端并维护SLA 2 设定字节率阈值限制 3 监控throttle-rate，byte-rate 4 replica.fecth.response.max.bytes： 设置follower副本FETCH请求response大小 5 限制带宽： kafka-reassign-partitions.sh --throttle options...

Kafka producer

 1 使用Java版本producer 2 使用kafka-producer-perf-test.sh测试 3 设置好内存、cpu、batch、压缩等参数
  • batch.size: 越大，TPS越大，延时也越大
  • linger.ms: 越大，TPS越大，延时也越大
  • max.in.flight.requests.per.connection: 增加TPS，关乎消息接收顺序
  • compression.type: 设置压缩类型，提升TPS
  • acks: 设置消息持久性级别 
 4 避免发送大消息(会使用更多内存，降低broker处理)

性能调优

1 如果TPS<网络带宽
  • 增加用户线程
  • 增加batch size
  • 使用多个producer实例
  • 添加分区
 2 acks=-1时如何降低延时：增加num.replica.fetchers 3 跨数据中心的传输：增加Socket缓冲区设置，以及TCP缓存设置

监控指标

  • batch-size-avg
  • compression-rate-avg
  • waiting-threads
  • buffer-available-bytes
  • record-queue-time-max
  • record-send-rate
  • records-per-request-avg

Kafka Consumer

1 使用kafka-consumer-perf.test.sh测试 2 TPS问题
  • 分区数不够
  • OS缓存命中太低，分配更多页缓存
  • 处理逻辑过重
 3 位移管理： 异步提交+手动提交 4 重要参数
  • fetch.min.bytes、fetch.max.wait.ms
  • max.poll.interval.ms
  • max.poll.records
  • session.timeout.ms

监控

1 consumer lag 2 JMX指标： records-lag-max 3 bin/kafka-consumer-groups.sh 4 如何减少lag
  • 分析consumer，是GC问题还是consumer hang住了
  • 增加consumer instances
  • 增加分区数

无数据丢失配置

 1 producer端
  • retries = MAX
  • acks=all
  • max.in.flight.requests.per.connection = 1
  • 关闭producer
  2 broker端
  • replication factor >= 3
  • min.insync.replicas = 2
  • 关闭unclean leader选举
  3 consumer端
  • 关闭auto.offset.commit
  • 消息被处理后提交位移
标签：

相关文章