Kafka服务不可用(宕机)问题踩坑记

背景

某线上日志收集服务报警，打开域名报502错误码。 收集服务由2台netty HA服务器组成,netty服务器将客户端投递来的protobuf日志解析并发送到kafka，打开其中一个应用的日志，发现如下报错：

org.apache.kafka.common.errors.TimeoutException: Expiring 1 record(s) 

在排除了netty服务的错误之后，去查看kafka的日志。 发现报错，排查过程如下；

配置信息

系统	kafka版本	broker数量
CentOS7.4	2.1.0	3

线上有三台Kafka Broker，id分别为0、1、2，服务器只部署了Kafka服务。

问题

线程是否存活

首先jps查看Kafka线程是否存活，三台机器都没问题，kafka依然在运行。

GC问题

查看kafkaServer-gc.log.1.current的日志，gc日志没发现异常。

Broker 0/server.log

[2019-08-02 15:17:03,699] WARN Attempting to send response via channel for which there is no open connection, connection id 172.21.3.14:9092-172.21.3.11:54311-107706 (kafka.network.Processor)
[2019-08-02 15:19:12,490] INFO [GroupMetadataManager brokerId=0] Removed 0 expired offsets in 0 milliseconds. (kafka.coordinator.group.GroupMetadataManager) [2019-08-02 15:26:54,405] INFO [ReplicaFetcher replicaId=0, leaderId=1, fetcherId=0] Error sending fetch request (sessionId=1112819217, epoch=1897450) to node 1: java.io.IOException: Connection to 1 was disconnected before the response was read. (org.apache.kafka.clients.FetchSessionHandler) [2019-08-02 15:26:54,411] WARN [Re