Ubuntu Kafka故障排查有哪些常用方法

Ubuntu Kafka故障排查常用方法

1. 检查Kafka服务状态

使用systemctl命令确认Kafka服务是否处于运行状态，若未运行则启动服务并设置开机自启。

sudo systemctl status kafka          # 查看服务状态
sudo systemctl start kafka           # 启动服务
sudo systemctl enable kafka          # 设置开机自启

2. 查看Kafka日志文件

Kafka的日志文件（默认位于/var/log/kafka/server.log）记录了详细的错误信息和异常堆栈，是定位故障的核心依据。使用tail命令实时查看最新日志：

tail -500 /var/log/kafka/server.log  # 查看最近500行日志
sudo tail -f /var/log/kafka/server.log  # 实时跟踪日志输出

3. 验证Kafka配置文件

检查server.properties（通常位于/etc/kafka/或Kafka安装目录下）的关键配置项是否正确，重点关注：

listeners：Broker监听的地址和端口（如PLAINTEXT://your_server_ip:9092）；
advertised.listeners：客户端连接的地址和端口（需与集群内其他Broker一致）；
zookeeper.connect：Zookeeper集群连接串（如localhost:2181或zk1:2181,zk2:2181,zk3:2181）；
log.dirs：日志数据存储目录（需确保目录存在且有写入权限）。

cat /etc/kafka/server.properties | grep -E "listeners|advertised.listeners|zookeeper.connect|log.dirs"

4. 测试网络连通性

确保Kafka Broker之间、Broker与客户端之间的网络通信正常：

使用ping命令测试Broker之间的网络连通性；
使用telnet或nc命令测试端口是否可达（如Kafka的9092端口、Zookeeper的2181端口）：

ping your_kafka_broker_ip            # 测试网络连通性
telnet your_kafka_broker_ip 9092     # 测试端口可达性
nc -zv your_kafka_broker_ip 9092     # 替代telnet的端口测试命令

5. 监控硬件资源使用

Kafka的性能高度依赖硬件资源，使用以下命令检查CPU、内存、磁盘的占用情况：

CPU使用率：top或htop（按1查看每个核心的使用率）；
内存使用率：free -h（查看已用/可用内存）；
磁盘空间：df -h（检查log.dirs所在分区的剩余空间，建议保留20%以上）；
磁盘IO性能：iostat -x 1 10（查看磁盘的读写延迟、吞吐量，await值过高表示IO瓶颈）。

top                                  # 实时查看CPU和内存使用
df -h                                # 查看磁盘空间
iostat -x 1 10                       # 监控磁盘IO（需安装sysstat包）

6. 使用Kafka自带命令行工具

Kafka提供的命令行工具可用于快速测试生产和消费功能，验证集群基本功能是否正常：

生产消息：向指定主题发送测试消息（kafka-console-producer.sh）；
消费消息：从指定主题读取消息（kafka-console-consumer.sh）；
查看Topic元信息：检查Topic的分区数、副本分布（kafka-topics.sh）。

# 生产消息（本地Broker，端口9092，主题test_topic）
kafka-console-producer.sh --broker-list localhost:9092 --topic test_topic

# 消费消息（从最早的消息开始读取）
kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test_topic --from-beginning

# 查看Topic详情
kafka-topics.sh --bootstrap-server localhost:9092 --describe --topic test_topic

7. 检查Zookeeper状态

Kafka依赖Zookeeper实现集群协调（如Leader选举、分区管理），需确保Zookeeper服务正常运行：

检查Zookeeper服务状态：sudo systemctl status zookeeper；
查看Zookeeper日志（默认位于/var/log/zookeeper/）：tail -500 /var/log/zookeeper/zookeeper.log；
使用zkCli.sh工具连接Zookeeper，检查Kafka相关的节点是否存在：

sudo systemctl status zookeeper        # 检查Zookeeper服务状态
zkCli.sh -server localhost:2181        # 连接Zookeeper（默认端口2181）
ls /brokers/ids                        # 查看已注册的Broker节点

8. 利用监控工具

借助第三方监控工具实现对Kafka集群的长期监控和告警，快速发现性能瓶颈或异常：

JMX监控：通过jconsole、jmc等工具连接Kafka Broker的JMX端口（默认9999），监控关键指标（如消息入队速率、消费延迟、分区Leader分布）；
Prometheus+Grafana：通过kafka_exporter采集Kafka指标，用Grafana展示 dashboard（如Broker负载、Topic积压情况）；
商业工具：Confluent Control Center（提供全面的Kafka集群监控、管理和告警功能）。

9. 常见故障针对性排查

消息发送慢：检查网络带宽、消息压缩配置（compression.type）、批量发送大小（batch.size）、分区数量（num.partitions）及磁盘IO性能；
消息堆积：对比生产者生产速率与消费者消费速率，检查消费者组是否发生再平衡（kafka-consumer-groups.sh查看REBALANCE状态），确认消费者数量是否足够；
消费者无法消费：检查消费者组配置（group.id）、订阅的主题是否存在（kafka-topics.sh --list），确认消费者是否正常启动（无ConsumerCoordinatorNotAvailableException错误）。