实战问答：Kafka压测详解

 Q：

请教下 kafka的压测。 我想了解压测的过程方法是什么样的。 我应该使用什么压测方法，压测哪些指标、关注哪些压测结果指标，以及能得到什么样的kafka性能处理结论。

A：

压测是一个系统性问题，非常考验对Kafka的深度掌控能力，需要明确压测场景化目标，Case By Case的压测。

实操层面，涉及仿真环境准备，压测工具的选取，压测过程观测，压测结果分析，压测报告呈现

仿真环境准备，需要在Kafka的机型选择、部署架构、系统参数、配置参数、业务数据等多个维度与线上环境保持一致，最难的部分是构造线上多样数据。

压测工具的选取，如果公司内部有压测平台，可以基于平台实现，如果没有可以考虑Kafka自带的测试工具kafka-producer-perf-test.sh来进行测试，producer发送数据生成方式如下：导了一部分线上流量保存到本地文件，随机读取文件中消息发送。

压测过程观测，需要搭建好Kafka集群的观察体系，推荐使用滴滴的LogiKM，方便观测Kafka软件瓶颈点(网络线程池、业务处理线程池的使用率是非常关键的指标)，其次配合系统指标监控平台，观测系统指标瓶颈点(CPU、网络是重点关注点)。

压测结果分析，比较理想的情况是系统资源达到瓶颈，比如网卡、CPU、磁盘IOPS；如果系统资源没有瓶颈，一般就是软件资源瓶颈，需要识别软件的资源瓶颈点，