监控策略

1、Kafka总体监控

leader 选举频率：kafka.controller:type=ControllerStats,name=LeaderElectionRateAndTimeMs

2、Kafka Broker监控

kafka集群中Broker列表,broker运行状况,包括node下线，活跃数量
Broker是否提供服务
失败的生产消息请求数量：阈值？
失败的数据获取请求数量：阈值？
消费比率（生产字节数/消费字节数）：阈值？
kafka.server:type=BrokerTopicMetrics,name=BytesInPerSec
kafka.server:type=BrokerTopicMetrics,name=BytesOutPerSec
ISR 收缩频率：阈值？
kafka.server:type=ReplicaManager,name=IsrShrinksPerSec
kafka.server:type=ReplicaManager,name=IsrExpandsPerSec
未复制的分区数：阈值>1
kafka.server:type=ReplicaManager,name=UnderReplicatedPartitions
producer队列排队情况：阈值？
kafka.server:type=DelayedOperationPurgatory,delayedOperation=Produce,name=PurgatorySize
fetch队列排队情况：阈值？
kafka.server:type=DelayedOperationPurgatory,delayedOperation=Fetch,name=PurgatorySize

3、Kafka Controller监控

controller存活数目：kafka.controller:type=KafkaController,name=ActiveControllerCount 阈值<1
没有active controller的partition数量：【既不可读又不可写】阈值>0
kafka.controller:type=KafkaController,name=OfflinePartitionsCount

4、Topic监控

offset：logStartOffset和logEndOffset之差，阈值？
某个topic在某个broker上每秒写入的消息数量：
kafka.server:type=BrokerTopicMetrics,name=MessagesInPerSec

5、网络监控

处理一个请求所花费的总时间：阈值？
kafka.network:type=RequestMetrics,name=TotalTimeMs,request{Produce|FetchConsumer|FetchFollower}
6、Kafka Producer监控
producer数量，排队情况
请求响应时间
QPS/分钟：
7、Kafka Consumer监控
消费者落后生产者的消费条数：
consumer队列中排队请求数：
请求响应时间：
最近一分钟平均每秒请求数：
每秒产生的消息数量：
consumer发送给broker的请求最小速率（如果消费者不消费了或者挂了则趋于0）：阈值>0.5

注:

broker ：失败的生产消息请求数量，失败的数据获取请求数量，broker状态
partition： logStartOffset logEndOffset 之差
replica：收缩或者扩大的速度（Follower宕机，或者落后太多）
producer：等待请求数过多，延迟过期的请求数量
fetch-consumer：等待请求数过多，延迟过期的请求数量