1. 硬件与系统基础优化
kafka-server-start.sh脚本中添加-Xms16G -Xmx16G -XX:+UseG1GC参数。net.core.rmem_max=16777216、net.core.wmem_max=16777216）、增加文件描述符限制（fs.file-max=1000000）、优化磁盘异步I/O（fs.aio-max-nr=1048576）。这些参数可通过sysctl.conf文件永久生效。2. Kafka Broker配置优化
kafka-topics.sh --alter命令动态调整。副本因子（default.replication.factor）需平衡可靠性与性能，建议设置为3（确保数据冗余），min.insync.replicas（最小同步副本数）设置为2（保证数据一致性，避免脑裂）。batch.size（如从默认16KB调整为1MB），允许生产者积累更多消息后批量发送；设置linger.ms（如100ms），让生产者在发送前等待更多消息。启用压缩（compression.type设为lz4或snappy），可减少网络传输和存储开销（压缩率约2-3倍），但会增加少量CPU开销。num.io.threads（磁盘I/O线程数）建议设置为总核数的50%（如8核CPU设为4-6），负责日志写入和读取；num.network.threads（网络收发线程数）建议设置为总核数的50%（如8核CPU设为4-6），负责客户端请求处理；num.replica.fetchers（副本拉取线程数）建议设置为num.io.threads的1/3（如2-3），加速副本同步。3. 生产者与消费者配置优化
batch.size、linger.ms、compression.type设置）。调整buffer.memory（如64MB以上），避免生产者因缓冲区满而阻塞；设置acks为1（平衡可靠性与性能，leader确认即可）或all（强一致性，所有副本确认，适合金融场景）。fetch.min.bytes（如1MB），减少消费者拉取频率；设置fetch.max.wait.ms（如1000ms），允许消费者等待更多数据后再返回；增加max.poll.records（如1000），单次拉取更多消息，提升消费吞吐量。同时，合理设置消费者线程数（与分区数匹配），避免线程闲置。4. 监控与运维优化
UnderReplicatedPartitions、请求队列时间RequestQueueTimeMs、JVM内存使用率）。通过告警规则（如CPU使用率超过80%、磁盘使用率超过90%）及时发现性能瓶颈。log.retention.hours设置保留时间，如7天），释放磁盘空间；使用kafka-log-dirs.sh工具检查磁盘健康状态；定期升级Kafka版本（如从2.8升级到3.5），获取性能优化和新特性。
