生产故障-Kafka分区不平衡

前言：该博客主要是记录自己学习的过程，方便以后查看，当然也希望能够帮到大家。

生产故障-Kafka分区不平衡

故障描述：有个别服务的数据有部分没有上报，导致推荐页展示过期已删除的文章，业务端重新上报时，发现上报的数据迟迟没有送到指定服务，经过观察日志发现，kakfa的消息延迟了7个小时左右

定位原因：

1. 指定服务为单节点部署，所在的机器负载基本是满的

处理过程：

1. 将该服务改为多节点部署，发现只有一个节点能正常消费，其他节点都在空等待状态，定位出的原因为：该topic的分区只有一个，所以同一消费组，只能被一个节点进行消费
2. 重建topic，改为12个分区后，再观察情况发现：每个分区的消息不平衡，有很多分区的消息数为0，经查验资料后发现: 如果key的值不为空，会根据key的值hash后分配到分区，也就是说相同的key，会分配到同一个分区上，最后去掉生产者的key得以解决

解决方案：

1. 确保kafka分区的数量超过同消费组内节点的数量
2. 不同业务的topic要隔离开来，不要互相干扰
3. 对消息积压情况进行告警，比如大数据只能延迟 5 分钟，业务数据延迟控制在秒内
4. kafka的key不为空时，会根据key hash后路由到分区，要对key的命名使用注意

后记：本次分享到此结束，本人水平有限，难免有错误或遗漏之处，望大家指正和谅解，欢迎评论留言。