1.概述
在大批量数据处理与实时计算领域，Apache Kafka已成为消息队列的事实标准。本文将完整记录从零开始搭建高可用Kafka集群，并配置EFAK监控平台的详细过程，涵盖规划、部署、优化到监控的全生命周期管理。通过本文，你将了解并掌握一套生产级别可用的Kafka集群部署和监控方案。
从 Kafka 2.8.0 开始，可以不再依赖zookeeper，尽管 Kafka 在新版本中减少了或移除了对 ZooKeeper 的依赖，但在完全移除之前，许多现有的部署仍然依赖于 ZooKeeper，所以kafka不依赖于zookeeper的版本不够成熟，或者说生产环境实战经验不够全面，有待踩坑~今天我们搭建的kafka集群还是依赖于zookeeper，但是本文不再详解讲述kafka和zookeeper相关概念和原理，不清楚的可查看我们之前总结的：
zookeeper：详解Zookeeper(铲屎官)在中间件的应用和在Spring Boot业务系统中实现分布式锁和注册中心的解决方案
kafka：kafka入门实战教程看这篇就够了
2.kafka集群
这里我们以半数原则选择3台机器搭建kafka集群，这也是很多常规业务系统生产环境的集群配置，我们知道kafka依赖于zookeeper，所以在部署kafka集群之前，得先部署好zookeeper服务，zookeeper是半数原则的典型中间件，所以zookeeper的集群强烈建议是单数台服务器搭建，因为3台机器和4台机器的高可用性是一样的，但是今天的主角是kafka集群，所以我们这里就使用单点的zookeeper服务了，我们准备的三台服务器如下：
10.10.0.10
10.10.0.14
10.10.0.22
kafka集群基础架构图：这里展示的是生产者向3台broker组成的kafka集群中某个3分区3副本的topic发送消息，该topic被多个消费者组同时订阅消费，一个消费者组由多个消费者组成
- Producer：消息生产者，就是向 Kafka broker 发消息的客户端
- Consumer：消息消费者，向 Kafka broker 取消息的客户端。
- Topic：**可以理解为一个队列，**生产者和消费者面向的都是一个 topic
- Partition：为了实现扩展性，一个非常大的 topic 可以分布到多个 broker（即服务器）上，一个 topic 可以分为多个 partition，每个 partition 是一个有序的队列。partition 中的每条消息都会被分配一个有序的 id（offset）。kafka 只保证按一个 partition 中的顺序将消息发给consumer，不保证一个 topic 的整体（多个 partition 间）的顺序；
- Consumer Group（CG）：消费者组，由多个 consumer 组成。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费；消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。
- Replica：副本。一个 topic 的每个分区都有若干个副本，一个 Leader 和若干个Follower。
- Follower：每个分区多个副本中的“从”，实时从 Leader 中同步数据，保持和Leader 数据的同步。平时只有数据冗余备份的作用，但当Leader 发生故障时，某个 Follower 会成为新的 Leader。
在10.10.0.10上部署了zookeeper服务，不知道咋部署的，可以根据上面zookeeper使用教程总结链接自行跳转了解下。
话不多说，回到今天的主题kafka，其实在上面提到的kafka入门实战总结中，我们已经介绍过了kafka是如何安装部署的。这里基于集群模式再详解介绍一遍，其实集群模式和单点部署没多大区别，无外乎就是改改配置文件而已。
2.1 环境和安装包准备
Kafka 运行需要 Java 环境，确保安装了 JDK，当然了zookeeper服务的部署也是需要先安装JDK，你可以理解他们都是java服务，部署启动完成之后使用Java的命令jps就能查看到相关进程。
回归流程，环境准备好之后先去kafka官网下载安装包，官网地址：https://kafka.apache.org/downloads.html
下载安装包之后分别放到上面三台服务器上并解压：
tar -xzf kafka_2.13-2.8.0.tgz
cd kafka_2.13-2.8.0
查看解压后的kafka安装包：
bin config libs LICENSE NOTICE site-docs
重点关注下bin和config
查看bin：是一些shell脚本，这些脚本有启动或者停止kafka服务的，也有关于kafka生产者、消费者、主题操作的
查看config: 是一些关于服务的配置文件，有关于kafka服务的配置server.properties，也有关于生产者，消费者的配置
不知道你没有注意到在shell脚本和配置文件中都有zookeeper的身影，其实是kafka安装包内置了一个zookeeper服务，我们用如下命令启动zookeeper：
bin/zookeeper-server-start.sh config/zookeeper.properties
但是我们上面是基于zookeeper的入门教程先单独安装了zookeeper服务，并没有使用内置启动这种方式，我的建议是单独安装，因为zookeeper并不只是为了服务于kafka，它还可以应用于很多场景，这里就不展开细说的，感兴趣的可以看上面的链接教程。
2.2 集群配置修改
启动kafka服务之前，需要先修改下每台服务器的kafka安装包的config路径下的配置文件server.properties:
#broker 的全局唯一编号，不能重复，只能是数字。
broker.id=0
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘 IO 的线程数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#kafka 运行日志(数据)存放的路径，路径不需要提前创建，kafka 自动帮你创建，可以
配置多个磁盘路径，路径与路径之间可以用"，"分隔
log.dirs=/kafka/kafka/logs
#topic 在当前 broker 上的分区个数
num.partitions=1
#用来恢复和清理 data 下数据的线程数量
num.recovery.threads.per.data.dir=1
# 每个 topic 创建时的副本数，默认时 1 个副本
offsets.topic.replication.factor=1
#segment 文件保留的最长时间，超时将被删除
log.retention.hours=168
#每个 segment 文件的大小，默认最大 1G
log.segment.bytes=1073741824
# 检查过期数据的时间，默认 5 分钟检查一次是否数据过期
log.retention.check.interval.ms=300000
#配置连接 Zookeeper 地址
zookeeper.connect=10.10.0.10:2181这里关于集群的配置重点关注3个就行了：
broker.id=0
这个是集群服务的唯一标识不能重复，这里是10.10.0.10broker的id是0，那10.10.0.14, 10.10.22的broker id分别是1,2
其次就是：
zookeeper.connect=10.10.0.10:2181
配置zookeeper地址，这是很重要的，kafka依赖于zookeeper，所以必须得配置正确
最后一个配置：
log.dirs=/kafka/kafka/logs
指定kafka数据存储的地方，方便我们快速找到并查看
2.3 启动并查看
万事俱备只欠东风，经过上面的准备工作之后，我就可以执行下面命令启动kafka服务了：
bin/kafka-server-start.sh -daemon config/server.properties
安装前面说的，启动之后我们可以使用jps命令查看是否启动成功：
10881 Jps
1607 Kafka
124219 QuorumPeerMain
当然也可以使用Linux命令ps -ef | grep kafka查看进程
如果有报错，就需要根据前面配置数据存储路径查看服务启动日志排查了
关闭服务也很简单，执行下面命令即可：
bin/kafka-server-stop.sh
这样一个3台服务的kafka集群就搭建起来了。
3.监控平台efak搭建
有了集群没有监控，就容易成为瞎子，可能集群服务出问题无法快速感知到，有了监控才能对集群的健康、压力、性能情况了然于胸，所以我们下面就来搭建下kafka监控平台efak。
首先也是一样的先去官网地址下载安装包上传到服务器之后并解压，eagle的官网地址：https://www.kafka-eagle.org/
tar -zxvf kafka-eagle-bin-2.0.8.tar.gz
修改解压后安装包文件夹conf下的system.properties，配置过多，我这里只展示需要修改的配置项，其他的默认即可：
# zookeeper连接信息
efak.zk.cluster.alias=cluster1
cluster1.zk.list=10.10.0.10:2181######################################
# kafka offset storage 存储
######################################
cluster1.efak.offset.storage=kafka# kafka mysql jdbc driver address 监控信息存储
######################################
efak.driver=com.mysql.cj.jdbc.Driver
efak.url=jdbc:mysql://10.10.0.10:3306/ke?useUnicode=true&characterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull
efak.username=root
efak.password=root其他的配置无需修改。
接下来配置环境变量vi /etc/profile，添加如下配置
# kafkaEFAK
export KE_HOME=/opt/module/efak
export PATH=$PATH:$KE_HOME/bin
执行source /etc/profile使环境变量生效。
这时候还没不能启动监控平台，最后一步需要修改下3台kafka服务的启动脚本vi bin/kafka-server-start.sh:
修改如下参数值：
if [ "x$KAFKA_HEAP_OPTS" = "x" ]; thenexport KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi
为
if [ "x$KAFKA_HEAP_OPTS" = "x" ]; thenexport KAFKA_HEAP_OPTS="-server -Xms2G -Xmx2G -
XX:PermSize=128m -XX:+UseG1GC -XX:MaxGCPauseMillis=200 -
XX:ParallelGCThreads=8 -XX:ConcGCThreads=5 -
XX:InitiatingHeapOccupancyPercent=70"export JMX_PORT="9999"#export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"
fi
这里kafka的调整了jvm参数和暴露远程监控端口JMX_PORT="9999"，重点就是暴露远程监控端口，至于jvm参数看具体服务配置，改不改不影响这个监控平台的启动的。
修改完启动脚本之后，按照上面部署kafka的教程，先执行下关闭kafka服务命令，再逐个启动即可。
在kafka服务全部正常重启之后，就可以启动监控平台了，也很简单，执行下面命令即可：
bin/ke.sh start
控制台输出日志如下，表示启动成功：
访问地址：http://10.10.0.14:8048：
输入账号密码登陆成功之后，可以整体监控信息：
可以看到集群有3个broker，查看详情：
可以看到在监控平台上，集群信息、主题topic信息、消费者信息都一目了然。
4.Spring Boot整合kafka生产消费消息查看监控
这里就不详细展开Spring Boot如何整合kafka，直接根据上面的教程：kafka入门实战教程看这篇就够了
**生产消息：**核心逻辑如下，完整代码调转入门教程
for (int i = 0; i < 10; i++) {// 通过传入key计算分区producer.send(new ProducerRecord<String, String>("test_topic",Integer.toString(i), "val"+Integer.toString(i)));
}
执行之后查看监控：可以看到主题相关信息
**消费消息：**核心逻辑如下，完整代码跳转入门教程：
KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<String, String>(properties);// 添加消费者订阅的主题topic，可以添加多个ArrayList<String> topics = new ArrayList<>();topics.add("topic_01");kafkaConsumer.subscribe(topics);// 拉取数据while (true) {// 每隔1s消费一批数据ConsumerRecords<String, String> consumerRecords = kafkaConsumer.poll(Duration.ofSeconds(1));for (ConsumerRecord<String, String> consumerRecord : consumerRecords) {// 打印数据System.out.println(consumerRecord);}}
监控平台信息展示：可以看到消费者的相关信息
5.总结
通过本文实践，我们完成了：高可用Kafka集群的标准化部署和Eagle监控平台的深度集成。
