Kafka监控工具汇总

  • 时间:
  • 浏览:0

对于大数据集群来说,监控功能是非常必要的,通过日志判断故障低效,亲们儿必须全版的指标来帮亲们儿管理Kafka集群。本文讨论Kafka的监控以及你这种常用的第三方监控工具。

一、Kafka Monitoring

首先介绍kafka的监控原理,第三方工具也是通过什么来进行监控的,亲们儿也可不还后能 自己去是实现监控,官网关于监控的文档地址如下:

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

kafka使用Yammer Metrics进行监控,Yammer Metrics是一一一个 java的监控库。

kafka默认有你这种的监控指标,默认都使用JMX接口远程访问,具体土办法是在启动broker和clients并且 设置JMX_PORT:

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

Kafka的每个监控指标必须以JMX MBEAN的形式定义的,MBEAN是一一一个 被管理的资源实例。

亲们儿可不还后能 使用Jconsole (Java Monitoring and Management Console),某种基于JMX的可视化监视、管理工具。

来可视化监控的结果:

图2 Jconsole

并且在Mbean下可不还后能 找到各种kafka的指标。

Mbean的命名规范是 kafka.xxx:type=xxx,xxx=xxx

主要分为以下几类:

(监控指标较多,这里只截取每种,具体请查看官方文档)

Graphing and Alerting 监控:

kafka.server为服务器相关,kafka.network为网络相关。

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监控:

kafka运行过程中的监控。

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监控:

每一一一个 broker的监控。

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监控:

producer调用过程中的监控。

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监控:

consumer调用过程中的监控。

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监控:

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 监控:

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]+)

什么指标蕴含了亲们儿使用kafka过程中的各种请况,还有kafka.log记录日志信息。每一一一个 Mbean下必须具体的参数。

通过什么参数,比如出站进站速度,ISR变化速度,Producer端的batch大小,线程池池数,Consumer端的延时大小,流速等等,当然亲们儿也要关注JVM,还有OS层面的监控,你这种要通用的工具,这里不做赘述。

kafka的监控原理机会基本了解,你这种第三方监控工具也大每种是在你这种 层面进行的完善,下面来介绍几款主流的监控工具。

JmxTool并必须一一一个 框架,本来 Kafka默认提供的一一一个 工具,用于实时查看JMX监控指标。。

打开终端进入到Kafka安装目录下,输入命令bin/kafka-run-class.sh kafka.tools.JmxTool便可不还后能 得到JmxTool工具的帮助信息。

比如亲们儿要监控入站速度,可不还后能 输入命令:

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 300000

BytesInPerSec的值每5秒会打印在控制台上:

>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 300000

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 14:52:20,30003401.2319497257

2018-08-10 14:52:25,11230003000.61300773218

2018-08-10 14:52:300,1593394.18300063889

三、Kafka-Manager

雅虎公司2015年开源的kafka监控框架,使用scala编写。github地址如下:https://github.com/yahoo/kafka-manager

使用条件:

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

下载kafka-manager

配置:conf/application.conf

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

部署:这里要用到sbt部署

./sbt clean dist

启动:

 bin/kafka-manager
 指定端口:
 $ bin/kafka-manager -Dconfig.file=/path/to/application.conf -Dhttp.port=30003000
 权限:
 $ bin/kafka-manager -Djava.security.auth.login.config=/path/to/my-jaas.conf

并且访问local host:30003000

就可不还后能 就看监控页面了:

图 topic

图 broker

页面非常的简洁,必须你这种丰厚的功能,开源免费,推荐使用,本来 目前版本支持到Kafka 0.8.. or 0.9.. or 0.10.. or 0.11,必须有点硬注意。

四、kafka-monitor

linkin开源的kafka监控框架,github地址如下:https://github.com/linkedin/kafka-monitor

基于 Gradle 2.0以上版本,支持java 7和java 8.

支持kafka从0.8-2.0,用户可根据需求下载不同分支即可。

使用:

编译:

$ 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"

启动:

$ ./bin/kafka-monitor-start.sh config/kafka-monitor.properties
单集群启动:
$ ./bin/single-cluster-monitor.sh --topic test --broker-list localhost:9092 --zookeeper localhost:2181
多集群启动:
$ ./bin/kafka-monitor-start.sh config/multi-cluster-monitor.properties

并且访问localhost:30003000 就看监控页面

图 kafkamonitor

一并亲们儿还可不还后能 通过http请求查询你这种指标:

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

总体来说,他的web功能比较简单,用户使用太大,http功能很有用,支持版本较多。

五、Kafka Offset Monitor

官网地址http://quantifind.github.io/KafkaOffsetMonitor/

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

使用:下载并且 执行

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 30003000 \
     --refresh 10.seconds \
     --retain 2.days
     --pluginsArgs anotherDbHost=host1,anotherDbPort=555

并且查看localhost:30003000

图 offsetmonitor1

图offsetmonitor2

你这种 项目更关注于对offset的监控,页面很丰厚,或者 15年并且 不再更新,无法支持最新版本kafka。继续维护的版本地址如下https://github.com/Morningstar/kafka-offset-monitor。

六、Cruise-control

linkin于2017年8月开源了cruise-control框架,用于监控大规模集群,包括一系列的运维功能,据称在linkedin有着两万多台的kafka集群,项目还在持续更新中。

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

使用:

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

启动后访问:

http://localhost:9090/kafkacruisecontrol/state

这麼页面,所有必须用rest api的形式提供的。

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

你这种 框架灵活性很大,用户可不还后能 根据自己的请况来获取各种指标优化自己的集群。

七、Doctorkafka

DoctorKafka是Pinterest 开源 Kafka 集群自愈和工作负载均衡工具。

Pinterest是一一一个 进行图片分享的社交站点。亲们儿使用 Kafka 作为中心化的消息传输工具,用于数据摄取、流外理等场景。随着用户数量的增加,Kafka 集群也这麼庞大,对它的管理日趋复杂,并变成了运维团队的沉重负担,或者 亲们儿研发了 Kafka 集群自愈和工作负载均衡工具 DoctorKafka,最近亲们儿机会在GitHub上将该项目开源。

使用:

下载:
git clone [git-repo-url] doctorkafka
cd doctorkafka
编译:
mvn package -pl kafkastats -am
启动:
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 33000 \
        -pollingintervalinseconds 300 \
        -ostrichport 2051 \
        -tsdhostport localhost:18126 \
        -kafka_config /etc/kafka/server.properties \
        -producer_config /etc/kafka/producer.properties \
        -primary_network_ifacename eth0

页面如下:

图dockerkafka

DoctorKafka 在启动并且 ,会阶段性地检查每个集群的请况。当探测到 broker 经常出现故障时,它会将故障 broker 的工作负载转移给有足够速度的 broker。机会在集群中这麼足够的资源进行重分配一段话,它会发出告警。属于一一一个 自动维护集群健康的框架。

八、Burrow

Burrow是LinkedIn开源的一款专门监控consumer lag的框架。

github地址如下:https://github.com/linkedin/Burrow

使用Burrow监控kafka, 不想须预先设置lag的阈值, 他完必须基于消费过程的动态评估

Burrow支持读取kafka topic和,zookeeper某种土办法的offset,对于新老版本kafka都可不还后能 很好支持

Burrow支持http, email类型的报警

Burrow默认只提供HTTP接口(HTTP endpoint),数据为json格式,这麼web UI。

安装使用:

$ 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:

列出所有监控的Kafka集群
curl -s http://localhost:300000/v3/kafka |jq
{
  "error": false,
  "message": "cluster list returned",
  "clusters": [
    "kafka",
    "kafka"
  ],
  "request": {
    "url": "/v3/kafka",
    "host": "kafka"
  }
}

你这种的框架,还有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

还有你这种,或者 亲们儿要结合自己的kafka版本请况进行选取。

更多实时计算,Kafka等相关技术博文,欢迎关注实时流式计算