Kafka監控工具彙總

對於大數據集羣來講，監控功能是很是必要的，經過日誌判斷故障低效，咱們須要完整的指標來幫咱們管理Kafka集羣。本文討論Kafka的監控以及一些經常使用的第三方監控工具。

1、Kafka Monitoring

首先介紹kafka的監控原理，第三方工具也是經過這些來進行監控的，咱們也能夠本身去是實現監控，官網關於監控的文檔地址以下：

http://kafka.apache.org/documentation/#monitoring](http://kafka.apache.org/documentation/#monitoring)

kafka使用Yammer Metrics進行監控，Yammer Metrics是一個java的監控庫。

kafka默認有不少的監控指標，默認都使用JMX接口遠程訪問，具體方法是在啓動broker和clients以前設置JMX_PORT：

JMX_PORT=9997 bin/kafka-server-start.sh config/server.properties

Kafka的每一個監控指標都是以JMX MBEAN的形式定義的，MBEAN是一個被管理的資源實例。

咱們可使用Jconsole （Java Monitoring and Management Console），一種基於JMX的可視化監視、管理工具。

來可視化監控的結果：

圖2 Jconsole

隨後在Mbean下能夠找到各類kafka的指標。

Mbean的命名規範是 kafka.xxx:type=xxx,xxx=xxx

主要分爲如下幾類：

（監控指標較多，這裏只截取部分，具體請查看官方文檔）

Graphing and Alerting 監控:

kafka.server爲服務器相關，kafka.network爲網絡相關。

Description	Mbean name	Normal value
Message in rate	kafka.server:type=BrokerTopicMetrics,name=MessagesInPerSec
Byte in rate from clients	kafka.server:type=BrokerTopicMetrics,name=BytesInPerSec
Byte in rate from other brokers	kafka.server:type=BrokerTopicMetrics,name=ReplicationBytesInPerSec
Request rate	kafka.network:type=RequestMetrics,name=RequestsPerSec,request={Produce|FetchConsumer|FetchFollower}
Error rate	kafka.network:type=RequestMetrics,name=ErrorsPerSec,request=([-.\w]+),error=([-.\w]+)	Number of errors in responses counted per-request-type, per-error-code. If a response contains multiple errors, all are counted. error=NONE indicates successful responses.

Common monitoring metrics for producer/consumer/connect/streams監控：

kafka運行過程當中的監控。

Metric/Attribute name	Description	Mbean name
connection-close-rate	Connections closed per second in the window.	kafka.[producer|consumer|connect]:type=[producer|consumer|connect]-metrics,client-id=([-.\w]+)
connection-close-total	Total connections closed in the window.	kafka.[producer|consumer|connect]:type=[producer|consumer|connect]-metrics,client-id=([-.\w]+)

Common Per-broker metrics for producer/consumer/connect/streams監控：

每個broker的監控。

Metric/Attribute name	Description	Mbean name
outgoing-byte-rate	The average number of outgoing bytes sent per second for a node.	kafka.[producer|consumer|connect]:type=[consumer|producer|connect]-node-metrics,client-id=([-.\w]+),node-id=([0-9]+)
outgoing-byte-total	The total number of outgoing bytes sent for a node.	kafka.[producer|consumer|connect]:type=[consumer|producer|connect]-node-metrics,client-id=([-.\w]+),node-id=([0-9]+)

Producer監控：

producer調用過程當中的監控。

Metric/Attribute name	Description	Mbean name
waiting-threads	The number of user threads blocked waiting for buffer memory to enqueue their records.	kafka.producer:type=producer-metrics,client-id=([-.\w]+)
buffer-total-bytes	The maximum amount of buffer memory the client can use (whether or not it is currently used).	kafka.producer:type=producer-metrics,client-id=([-.\w]+)
buffer-available-bytes	The total amount of buffer memory that is not being used (either unallocated or in the free list).	kafka.producer:type=producer-metrics,client-id=([-.\w]+)
bufferpool-wait-time	The fraction of time an appender waits for space allocation.	kafka.producer:type=producer-metrics,client-id=([-.\w]+)

Consumer監控：

consumer調用過程當中的監控。

Metric/Attribute name	Description	Mbean name
commit-latency-avg	The average time taken for a commit request	kafka.consumer:type=consumer-coordinator-metrics,client-id=([-.\w]+)
commit-latency-max	The max time taken for a commit request	kafka.consumer:type=consumer-coordinator-metrics,client-id=([-.\w]+)
commit-rate	The number of commit calls per second	kafka.consumer:type=consumer-coordinator-metrics,client-id=([-.\w]+)
commit-total	The total number of commit calls	kafka.consumer:type=consumer-coordinator-metrics,client-id=([-.\w]+)

Connect監控：

	Attribute name	Description
	connector-count	The number of connectors run in this worker.
	connector-startup-attempts-total	The total number of connector startups that this worker has attempted.

Streams 監控：

Metric/Attribute name	Description	Mbean name
commit-latency-avg	The average execution time in ms for committing, across all running tasks of this thread.	kafka.streams:type=stream-metrics,client-id=([-.\w]+)
commit-latency-max	The maximum execution time in ms for committing across all running tasks of this thread.	kafka.streams:type=stream-metrics,client-id=([-.\w]+)
poll-latency-avg	The average execution time in ms for polling, across all running tasks of this thread.	kafka.streams:type=stream-metrics,client-id=([-.\w]+)

這些指標涵蓋了咱們使用kafka過程當中的各類狀況，還有kafka.log記錄日誌信息。每個Mbean下都有具體的參數。

經過這些參數，好比出站進站速率，ISR變化速率，Producer端的batch大小，線程數，Consumer端的延時大小，流速等等，固然咱們也要關注JVM，還有OS層面的監控，這些都有通用的工具，這裏不作贅述。

kafka的監控原理已經基本瞭解，其餘第三方監控工具也大部分是在這個層面進行的完善，下面來介紹幾款主流的監控工具。

2、JmxTool

JmxTool並非一個框架，而是Kafka默認提供的一個工具，用於實時查看JMX監控指標。。

打開終端進入到Kafka安裝目錄下，輸入命令bin/kafka-run-class.sh kafka.tools.JmxTool即可以獲得JmxTool工具的幫助信息。

好比咱們要監控入站速率，能夠輸入命令：

bin/kafka-run-class.sh kafka.tools.JmxTool --object-name kafka.server:type=BrokerTopicMetrics,name=BytesInPerSec --jmx-url service:jmx:rmi:///jndi/rmi://:9997/jmxrmi --date-format "YYYY-MM-dd HH:mm:ss" --attributes FifteenMinuteRate --reporting-interval 5000

BytesInPerSec的值每5秒會打印在控制檯上:

>kafka_2.12-2.0.0 rrd$ bin/kafka-run-class.sh kafka.tools.JmxTool --object-name kafka.server:type=BrokerTopicMetrics,name=BytesInPerSec --jmx-url service:jmx:rmi:///jndi/rmi://:9997/jmxrmi --date-format "YYYY-MM-dd HH:mm:ss" --attributes FifteenMinuteRate --reporting-interval 5000

Trying to connect to JMX url: service:jmx:rmi:///jndi/rmi://:9997/jmxrmi.

"time","kafka.server:type=BrokerTopicMetrics,name=BytesInPerSec:FifteenMinuteRate"

2018-08-10 14:52:15,784224.2587058166

2018-08-10 14:52:20,1003401.2319497257

2018-08-10 14:52:25,1125080.6160773218

2018-08-10 14:52:30,1593394.1860063889

3、Kafka-Manager

雅虎公司2015年開源的kafka監控框架，使用scala編寫。github地址以下：https://github.com/yahoo/kafka-manager

使用條件：

1. Kafka 0.8.. or 0.9.. or 0.10.. or 0.11..
2. Java 8+

下載kafka-manager

配置：conf/application.conf

kafka-manager.zkhosts="my.zookeeper.host.com:2181,other.zookeeper.host.com:2181"

部署：這裏要用到sbt部署

./sbt clean dist

啓動：

bin/kafka-manager
 指定端口：
 $ bin/kafka-manager -Dconfig.file=/path/to/application.conf -Dhttp.port=8080
 權限：
 $ bin/kafka-manager -Djava.security.auth.login.config=/path/to/my-jaas.conf

隨後訪問local host:8080

就能夠看到監控頁面了：

圖 topic

圖 broker

頁面很是的簡潔，也有不少豐富的功能，開源免費，推薦使用，只是目前版本支持到Kafka 0.8.. or 0.9.. or 0.10.. or 0.11，須要特別注意。

4、kafka-monitor

linkin開源的kafka監控框架，github地址以下：https://github.com/linkedin/kafka-monitor

基於 Gradle 2.0以上版本，支持java 7和java 8.

支持kafka從0.8-2.0，用戶可根據需求下載不一樣分支便可。

使用：

編譯：

$ git clone https://github.com/linkedin/kafka-monitor.git
$ cd kafka-monitor 
$ ./gradlew jar

修改配置：config/kafka-monitor.properties

"zookeeper.connect" = "localhost:2181"

啓動：

$ ./bin/kafka-monitor-start.sh config/kafka-monitor.properties
單集羣啓動：
$ ./bin/single-cluster-monitor.sh --topic test --broker-list localhost:9092 --zookeeper localhost:2181
多集羣啓動：
$ ./bin/kafka-monitor-start.sh config/multi-cluster-monitor.properties

隨後訪問localhost:8080 看到監控頁面

圖 kafkamonitor

同時咱們還能夠經過http請求查詢其餘指標：

curl localhost:8778/jolokia/read/kmf.services:type=produce-service,name=*/produce-availability-avg

整體來講，他的web功能比較簡單，用戶使用很少，http功能頗有用，支持版本較多。

5、Kafka Offset Monitor

官網地址http://quantifind.github.io/KafkaOffsetMonitor/

github地址 https://github.com/quantifind/KafkaOffsetMonitor

使用：下載之後執行

java -cp KafkaOffsetMonitor-assembly-0.3.0.jar:kafka-offset-monitor-another-db-reporter.jar \
     com.quantifind.kafka.offsetapp.OffsetGetterWeb \
     --zk zk-server1,zk-server2 \
     --port 8080 \
     --refresh 10.seconds \
     --retain 2.days
     --pluginsArgs anotherDbHost=host1,anotherDbPort=555

隨後查看localhost:8080

圖 offsetmonitor1

圖offsetmonitor2

這個項目更關注於對offset的監控，頁面很豐富，可是15年之後再也不更新，沒法支持最新版本kafka。繼續維護的版本地址以下https://github.com/Morningstar/kafka-offset-monitor。

6、Cruise-control

linkin於2017年8月開源了cruise-control框架，用於監控大規模集羣，包括一系列的運維功能，據稱在linkedin有着兩萬多臺的kafka集羣，項目還在持續更新中。

項目github地址：https://github.com/linkedin/cruise-control

使用：

下載
git clone https://github.com/linkedin/cruise-control.git && cd cruise-control/
編譯
./gradlew jar
修改 config/cruisecontrol.properties
bootstrap.servers   zookeeper.connect
啓動:
./gradlew jar copyDependantLibs
./kafka-cruise-control-start.sh [-jars PATH_TO_YOUR_JAR_1,PATH_TO_YOUR_JAR_2] config/cruisecontrol.properties [port]

啓動後訪問：

http://localhost:9090/kafkacruisecontrol/state

沒有頁面，全部都是用rest api的形式提供的。

接口列表以下：https://github.com/linkedin/cruise-control/wiki/REST-APIs

這個框架靈活性很大，用戶能夠根據本身的狀況來獲取各類指標優化本身的集羣。

7、Doctorkafka

DoctorKafka是Pinterest 開源 Kafka 集羣自愈和工做負載均衡工具。

Pinterest 是一個進行圖片分享的社交站點。他們使用 Kafka 做爲中心化的消息傳輸工具，用於數據攝取、流處理等場景。隨着用戶數量的增長，Kafka 集羣也愈來愈龐大，對它的管理日趨複雜，並變成了運維團隊的沉重負擔，所以他們研發了 Kafka 集羣自愈和工做負載均衡工具 DoctorKafka，最近他們已經在 GitHub 上將該項目開源。

使用：

下載：
git clone [git-repo-url] doctorkafka
cd doctorkafka
編譯：
mvn package -pl kafkastats -am
啓動：
java -server \
    -Dlog4j.configurationFile=file:./log4j2.xml \
    -cp lib/*:kafkastats-0.2.4.8.jar \
    com.pinterest.doctorkafka.stats.KafkaStatsMain \
        -broker 127.0.0.1 \
        -jmxport 9999 \
        -topic brokerstats \
        -zookeeper zookeeper001:2181/cluster1 \
        -uptimeinseconds 3600 \
        -pollingintervalinseconds 60 \
        -ostrichport 2051 \
        -tsdhostport localhost:18126 \
        -kafka_config /etc/kafka/server.properties \
        -producer_config /etc/kafka/producer.properties \
        -primary_network_ifacename eth0

頁面以下：

圖dockerkafka

DoctorKafka 在啓動以後，會階段性地檢查每一個集羣的狀態。當探測到 broker 出現故障時，它會將故障 broker 的工做負載轉移給有足夠帶寬的 broker。若是在集羣中沒有足夠的資源進行重分配的話，它會發出告警。屬於一個自動維護集羣健康的框架。

8、Burrow

Burrow是LinkedIn開源的一款專門監控consumer lag的框架。

github地址以下：https://github.com/linkedin/Burrow

使用Burrow監控kafka, 不須要預先設置lag的閾值, 他徹底是基於消費過程的動態評估

Burrow支持讀取kafka topic和,zookeeper兩種方式的offset，對於新老版本kafka均可以很好支持

Burrow支持http, email類型的報警

Burrow默認只提供HTTP接口(HTTP endpoint)，數據爲json格式，沒有web UI。

安裝使用:

$ Clone github.com/linkedin/Burrow to a directory outside of $GOPATH. Alternatively, you can export GO111MODULE=on to enable Go module.
$ cd to the source directory.
$ go mod tidy
$ go install

示例：

列出全部監控的Kafka集羣
curl -s http://localhost:8000/v3/kafka |jq
{
  "error": false,
  "message": "cluster list returned",
  "clusters": [
    "kafka",
    "kafka"
  ],
  "request": {
    "url": "/v3/kafka",
    "host": "kafka"
  }
}

其餘的框架，還有kafka-web-console：https://github.com/claudemamo/kafka-web-console

kafkat：https://github.com/airbnb/kafkat

capillary:https://github.com/keenlabs/capillary

chaperone:https://github.com/uber/chaperone

還有不少，可是咱們要結合本身的kafka版本狀況進行選擇。

更多實時計算，Kafka等相關技術博文，歡迎關注實時流式計算