- 主要目标： 高吞吐量 、 低延时
- 吞吐量
- 即 TPS ，指的是Broker端进程或Client端应用程序每秒能处理的 字节数 或 消息数
- 延时 ，可以有两种理解
- 从 Producer发送消息 到 Broker持久化 完成之间的时间间隔
- 端到端的延时 ，即从 Producer发送消息 到 Consumer成功消费该消息 的总时长
优化漏斗
优化漏斗是调优过程中的分层漏斗，层级越靠上，调优的效果越明显
操作系统层
- mount -o noatime
- 在 挂载 文件系统时禁用 atime （Access Time）更新，记录的是 文件最后被访问的时间
- 记录 atime 需要操作系统访问 inode 资源，禁用atime可以 避免inode访问时间的写入操作
- 文件系统选择 ext4 、 XFS 、 ZFS
- 将 swappiness 设置成一个 很小的值 （1~10，默认是60），防止Linux的 OOM Killer 开启 随机杀掉 进程
- swappiness=0 ，并不会禁止对swap的使用，只是 最大限度 地降低使用swap的可能性
- 因为一旦设置为0，当物理内存耗尽时，操作系统会触发 OOM Killer
- OOM Killer会 随机 挑选一个进程然后kill掉， 不会给出任何预警
- swappiness=N，表示内存使用 (100-N)% 时，开始使用Swap
- ulimit -n 设置大一点，否则可能会出现 Too Many File Open 错误
- vm.max_map_count 也设置大一点（如655360，默认值65530）
- 在一个主题数超多的机器上，可能会碰到 OutOfMemoryError：Map failed 错误
- 页缓存大小
- 给Kafka预留的页缓存至少也要容纳一个 日志段 的大小（ log.segment.bytes ，默认值为 1GB ）
- 消费者程序在 消费 时能 直接命中 页缓存，从而避免 昂贵的物理磁盘IO操作
JVM层
- 堆大小，经验值为 6~8GB
- 如果需要精确调整，关注 Full GC后堆上存活对象的总大小 ，然后将堆大小设置为该值的 1.5~2倍
- jmap -histo:live
可以人为触发Full GC
- 选择垃圾收集器
- 推荐使用 G1 ，主要原因是 优化难度比CMS小
- 如果使用G1后，频繁Full GC，配置 -XX:+PrintAdaptiveSizePolicy ，查看触发Full GC的原因
- 使用G1的另一个问题是 大对象 ，即 too many humongous allocations
- 大对象一般指的是 至少占用半个Region大小的对象 ，大对象会被直接分配在 大对象区
- 可以适当增大 -XX:+G1HeapRegionSize=N
- 尽量避免Full GC！！
框架层
尽量保持 客户端 版本和 Broker端 版本 一致 ，否则可能会丧失很多 性能收益 ，如 Zero Copy
应用程序层
- 不要频繁创建 Producer和Consumer对象实例，构造这些对象的 开销很大
- 用完及时关闭
- Producer对象和Consumer对象会创建很多物理资源，如Socket连接、ByteBuffer缓冲区，很容易造成 资源泄露
- 合理利用 多线程 来改善性能，Kafka的Java Producer是线程安全的，而Java Consumer不是线程安全的
性能指标调优
TPS != 1000 / Latency(ms) **
- 假设Kafka Producer以2ms的延时来发送消息，如果 每次都只发送一条消息 ，那么 TPS=500
- 但如果Producer不是每次只发送一条消息，而是在发送前 等待一段时间 ，然后 统一发送一批消息
- 如Producer每次发送前等待8ms，总共缓存了1000条消息，总延时累加到了10ms，但 TPS=100,000
- 虽然延时增加了4倍，但TPS却增加了200倍，这就是 批次化 或 微批次化 的优势
- 用户一般愿意用 较小的延时增加 的代价，去换取 TPS的显著提升 ，Kafka Producer就是采用了这样的思路
- 基于的前提： 内存操作 （几百纳秒）和 网络IO操作 （毫秒甚至秒级）的时间量级不同
调优吞吐量
- Broker端
- 适当增加 num.replica.fetchers （默认值为1），但 不用超过CPU核数
- 生产环境中，配置了 acks=all 的Producer程序吞吐量被拖累的首要因素，就是 副本同步性能
- 调优GC参数避免频繁Full GC
- Producer端
- 适当增加 batch.size （默认值为16KB，可以增加到 512KB 或 1MB ）
- 增加消息批次的 大小
- 适当增加 linger.ms （默认值为0，可以增加到10~100）
- 增加消息批次的 缓存时间
- 修改 compression.type （默认值为none，可以修改为 lz4 或 zstd ，适配最好）
- 修改 acks （默认值为1，可以修改为 0 或 1 ）
- 优化的目标是吞吐量，不要开启 acks=all （引入的 副本同步时间 通常是吞吐量的瓶颈）
- 修改 retries （修改为 0 ）
- 优化的目标是吞吐量，不要开启重试
- 如果多线程共享同一个Producer，增加 buffer.memory （默认为 32MB ）
- TimeoutException：Failed to allocate memory within the configured max blocking time
- Consumer端
- 采用多Consumer进程或线程 同时消费 数据
- 适当增加 fetch.min.bytes （默认值为1Byte，可以修改为 1KB 或更大）
end：如果你觉得本文对你有帮助的话，记得关注点赞转发，你的支持就是我更新动力。