1. 程式人生 > >Kafka監控工具彙總

Kafka監控工具彙總

對於大資料叢集來說,監控功能是非常必要的,通過日誌判斷故障低效,我們需要完整的指標來幫我們管理Kafka叢集。本文討論Kafka的監控以及一些常用的第三方監控工具。

一、Kafka Monitoring

首先介紹kafka的監控原理,第三方工具也是通過這些來進行監控的,我們也可以自己去是實現監控,官網關於監控的文件地址如下:

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預設有很多的監控指標,預設都使用JMX介面遠端訪問,具體方法是在啟動broker和clients之前設定JMX_PORT:

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

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

我們可以使用Jconsole (Java Monitoring and Management Console),一種基於JMX的視覺化監視、管理工具。

來視覺化監控的結果:

圖2 Jconsole

隨後在Mbean下可以找到各種kafka的指標。

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

主要分為以下幾類:

(監控指標較多,這裡只擷取部分,具體請檢視官方文件)

Graphing and Alerting 監控:

kafka.server為伺服器相關,kafka.network為網路相關。

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執行過程中的監控。

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:

每一個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呼叫過程中的監控。

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呼叫過程中的監控。

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]+)

這些指標涵蓋了我們使用kafka過程中的各種情況,還有kafka.log記錄日誌資訊。每一個Mbean下都有具體的引數。

通過這些引數,比如出站進站速率,ISR變化速率,Producer端的batch大小,執行緒數,Consumer端的延時大小,流速等等,當然我們也要關注JVM,還有OS層面的監控,這些都有通用的工具,這裡不做贅述。

kafka的監控原理已經基本瞭解,其他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。

二、JmxTool

JmxTool並不是一個框架,而是Kafka預設提供的一個工具,用於實時檢視JMX監控指標。。

開啟終端進入到Kafka安裝目錄下,輸入命令bin/kafka-run-class.sh kafka.tools.JmxTool便可以得到JmxTool工具的幫助資訊。

比如我們要監控入站速率,可以輸入命令:

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秒會列印在控制檯上:

>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

三、Kafka-Manager

雅虎公司2015年開源的kafka監控框架,使用scala編寫。github地址如下: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:這裡要用到sbt部署

./sbt clean dist

啟動:

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

隨後訪問local host:8080

就可以看到監控頁面了:

圖 topic

圖 broker

頁面非常的簡潔,也有很多豐富的功能,開源免費,推薦使用,只是目前版本支援到Kafka 0.8.. or 0.9.. or 0.10.. or 0.11,需要特別注意。

四、kafka-monitor

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

基於 Gradle 2.0以上版本,支援java 7和java 8.

支援kafka從0.8-2.0,使用者可根據需求下載不同分支即可。

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"

啟動:

$ ./bin/kafka-monitor-start.sh config/kafka-monitor.properties
單叢集啟動:
$ ./bin/single-cluster-monitor.sh --topic test --broker-list localhost:9092 --zookeeper localhost:2181
多叢集啟動:
$ ./bin/kafka-monitor-start.sh config/multi-cluster-monitor.properties

隨後訪問localhost:8080 看到監控頁面

圖 kafkamonitor

同時我們還可以通過http請求查詢其他指標:

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

總體來說,他的web功能比較簡單,使用者使用不多,http功能很有用,支援版本較多。

五、Kafka Offset Monitor

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

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

使用:下載以後執行

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

隨後檢視localhost:8080

圖 offsetmonitor1

圖offsetmonitor2

這個專案更關注於對offset的監控,頁面很豐富,但是15年以後不再更新,無法支援最新版本kafka。繼續維護的版本地址如下https://github.com/Morningstar/kafka-offset-monitor。

六、Cruise-control

linkin於2017年8月開源了cruise-control框架,用於監控大規模叢集,包括一系列的運維功能,據稱在linkedin有著兩萬多臺的kafka叢集,專案還在持續更新中。

專案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
啟動:
./gradlew jar copyDependantLibs
./kafka-cruise-control-start.sh [-jars PATH_TO_YOUR_JAR_1,PATH_TO_YOUR_JAR_2] config/cruisecontrol.properties [port]

啟動後訪問:

http://localhost:9090/kafkacruisecontrol/state

沒有頁面,所有都是用rest api的形式提供的。

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

這個框架靈活性很大,使用者可以根據自己的情況來獲取各種指標優化自己的叢集。

七、Doctorkafka

DoctorKafka是Pinterest 開源 Kafka 叢集自愈和工作負載均衡工具。

Pinterest是一個進行圖片分享的社交站點。他們使用 Kafka 作為中心化的訊息傳輸工具,用於資料攝取、流處理等場景。隨著使用者數量的增加,Kafka 叢集也越來越龐大,對它的管理日趨複雜,並變成了運維團隊的沉重負擔,因此他們研發了 Kafka 叢集自愈和工作負載均衡工具 DoctorKafka,最近他們已經在GitHub上將該專案開源。

使用:

下載:
git clone [git-repo-url] doctorkafka
cd doctorkafka
編譯:
mvn package -pl kafkastats -am
啟動:
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

頁面如下:

圖dockerkafka

DoctorKafka 在啟動之後,會階段性地檢查每個叢集的狀態。當探測到 broker 出現故障時,它會將故障 broker 的工作負載轉移給有足夠頻寬的 broker。如果在叢集中沒有足夠的資源進行重分配的話,它會發出告警。屬於一個自動維護叢集健康的框架。

八、Burrow

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

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

使用Burrow監控kafka, 不需要預先設定lag的閾值, 他完全是基於消費過程的動態評估

Burrow支援讀取kafka topic和,zookeeper兩種方式的offset,對於新老版本kafka都可以很好支援

Burrow支援http, email型別的報警

Burrow預設只提供HTTP介面(HTTP endpoint),資料為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:

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

其他的框架,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

還有很多,但是我們要結合自己的kafka版本情況進行選擇。

更多實時計算,Kafka等相關技術博文,歡迎關注實時流式計算