kafka学习记录—Kafka-Eagle监控

最新推荐文章于 2024-04-19 07:30:00 发布
最新推荐文章于 2024-04-19 07:30:00 发布
阅读量801 收藏 1
点赞数 1
文章标签： kafka
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_53320067/article/details/124799396
版权

kafka学习记录—Kafka-Eagle监控

安装MySQL

略

kafka环境

  1. 关闭kafka集群

  2. 修改内存，一个G不够

    [root@hadoop101 bin] vim kafka-server-start.sh 
if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
     export KAFKA_HEAP_OPTS="-server -Xms2G -Xmx2G -XX:PermSize=128m -XX:+UseG1GC -XX:MaxGCPauseMillis=200 -XX:ParallelGCThreads=8 -XX:ConcGCThreads=5 -XX:InitiatingHeapOccupancyPercent=70"
     export JMX_PORT="9999"
#    export KAFKA_HEAP_OPTS="-Xmx1G -Xms1G"

#分发kafka
[root@hadoop101 bin] xsync kafka-server-start.sh 

#再次启动
[root@hadoop101 kafka] bin/kafka-server-start.sh -daemon config/server.properties

安装kafka-eagle

  1. 官网：https://www.kafka-eagle.org/

  2. 解压

    [root@hadoop101 software] tar -zxvf kafka-eagle-bin-2.0.8.tar.gz 
kafka-eagle-bin-2.0.8/
kafka-eagle-bin-2.0.8/efak-web-2.0.8-bin.tar.gz
[root@hadoop101 software] ll
总用量 506016
-rw-r--r--. 1 root root  12516362 4月  21 17:06 apache-zookeeper-3.6.3-bin.tar.gz
-rw-r--r--. 1 root root 338075860 4月  21 15:26 hadoop-3.1.3.tar.gz
-rw-r--r--. 1 root root  86486610 4月  21 14:27 kafka_2.12-3.0.0.tgz
drwxrwxr-x. 2 root root        39 10月 13 2021 kafka-eagle-bin-2.0.8
-rw-r--r--. 1 root root  81074069 4月  26 14:39 kafka-eagle-bin-2.0.8.tar.gz
[root@hadoop101 software] cd kafka-eagle-bin-2.0.8/
[root@hadoop101 kafka-eagle-bin-2.0.8]# ll
总用量 79164
-rw-rw-r--. 1 root root 81062577 10月 13 2021 efak-web-2.0.8-bin.tar.gz
[root@hadoop101 kafka-eagle-bin-2.0.8] tar -zxvf efak-web-2.0.8-bin.tar.gz -C /opt/module/


#查看
[root@hadoop101 kafka-eagle-bin-2.0.8] cd /opt/module/
[root@hadoop101 module]# ll
总用量 0
drwxr-xr-x. 8 root  root   74 4月  26 14:40 efak-web-2.0.8
drwxr-xr-x. 9 qiyou qiyou 149 9月  12 2019 hadoop-3.1.3
drwxr-xr-x. 8 qiyou qiyou 273 12月 16 03:30 jdk1.8.0_321
drwxr-xr-x. 9 qiyou qiyou 130 4月  26 14:30 kafka
drwxr-xr-x. 8 root  root  159 4月  21 20:07 zookeeper-3.6.3
[root@hadoop101 module] mv efak-web-2.0.8/ efak
[root@hadoop101 module] ll
总用量 0
drwxr-xr-x. 8 root  root   74 4月  26 14:40 efak
drwxr-xr-x. 9 qiyou qiyou 149 9月  12 2019 hadoop-3.1.3
drwxr-xr-x. 8 qiyou qiyou 273 12月 16 03:30 jdk1.8.0_321
drwxr-xr-x. 9 qiyou qiyou 130 4月  26 14:30 kafka
drwxr-xr-x. 8 root  root  159 4月  21 20:07 zookeeper-3.6.3
[root@hadoop101 module] cd efak/
[root@hadoop101 efak] ll
总用量 0
drwxr-xr-x. 2 root root 33 4月  26 14:40 bin
drwxr-xr-x. 2 root root 62 4月  26 14:40 conf

#监控的数据放在db中（mysql）
drwxr-xr-x. 2 root root  6 9月  13 2021 db
drwxr-xr-x. 2 root root 23 4月  26 14:40 font
drwxr-xr-x. 9 root root 91 9月  13 2021 kms
drwxr-xr-x. 2 root root  6 9月  13 2021 logs
[root@hadoop101 efak]

  3. 修改配置文件，添加环境变量

    [root@hadoop101 conf] vim system-config.properties 
[root@hadoop101 conf] vim /etc/profile
[root@hadoop101 conf] source /etc/profile
[root@hadoop101 conf] cd ..
[root@hadoop101 efak] bin/ke.sh 
Usage: bin/ke.sh {start|stop|restart|status|stats|find|gc|jdk|version|sdate|worknode}

  4. 启动

    [root@hadoop101 efak] bin/ke.sh start
  已解压: META-INF/maven/org.smartloli.kafka.eagle/efak-web/pom.properties
[2022-04-26 14:51:52] INFO: Port Progress: [##################################################] | 100%
[2022-04-26 14:51:55] INFO: Config Progress: [##################################################] | 100%
[2022-04-26 14:51:58] INFO: Startup Progress: [##################################################] | 100%
[2022-04-26 14:51:47] INFO: Status Code[0]
[2022-04-26 14:51:47] INFO: [Job done!]
Welcome to
    ______    ______    ___     __ __
   / ____/   / ____/   /   |   / //_/
  / __/     / /_      / /| |  / ,<   
 / /___    / __/     / ___ | / /| |  
/_____/   /_/       /_/  |_|/_/ |_|  
( Eagle For Apache Kafka® )

Version 2.0.8 -- Copyright 2016-2021
*******************************************************************
* EFAK Service has started success.
* Welcome, Now you can visit 'http://192.168.126.129:8048'
* Account:admin ,Password:123456
*******************************************************************
* <Usage> ke.sh [start|status|stop|restart|stats] </Usage>
* <Usage> https://www.kafka-eagle.org/ </Usage>
*******************************************************************

  5. 在Windows下访问：http://192.168.126.129:8048【admin，123456】
    在这里插入图片描述

kafka-kraft模式

  1. 发送

  2. 编写启停脚本

    [root@hadoop101 bin] vim kf2.sh
[root@hadoop101 bin] chmod 777 kf2.sh 
[root@hadoop101 bin] ll
总用量 8
-rwxrwxrwx. 1 root root 453 4月  26 15:24 kf2.sh
-rwxr-xr-x. 1 root root 872 4月  23 00:06 xsync

#脚本内容
#! /bin/bash

case $1 in
"start"){
    for i in hadoop101 hadoop102 hadoop103
    do
        echo"========启动 $i Kafka2========="
        ssh $i "/opt/module/kafka2/bin/kafka-server-start.sh -daemon /opt/module/kafka2/config/kraft/server.properties"
    done
};;
"stop"){
    for i in hadoop101 hadoop102 hadoop103
    do
        echo "========停止 $i Kafka2========="
        ssh $i "/opt/module/kafka2/bin/kafka-server-stop.sh"
    done
};;
esac

kafka调优

消费者如何提高吞吐量

  • 增加分区数

  1. 如何提高kafka总体吞吐量

    • 生产者：适当提高batch.size大小，适当提高linger.ms（5-100），压缩等
    • 增加分区
    • 消费者：调整fetch.max.bytes大小，默认50m，调整max.poll.records大小，默认500条

  2. 数据精准一次

    • 生产者：acks，幂等性+事务
    • broker：分区副本大于2，ISR应答最小副本数量大于等于2
    • 消费者：事务+手动提交offset，输出目的地必须支持事务（MySQL，kafka）

  3. 合理设置分区数

    • 灵活调整分区，不是越多或者越少越好，搭建完集群进行压测调整分区

  4. 单条日志大于1m

  5. 服务器挂了（某个kafka节点挂掉)

    • 尝试重启可以则直接解决
    • 重启不行，查看报错，考虑增加内存、CPU、网络带宽
    • 若误删除，如果副本数大于等于2，可以服役新节点重新服役，再执行负载均衡操作

  6. 集群压力测试

    • 除了三个kafka节点，再准备一个hadoop104作为测试服务器（客户端）

    • 启动hadoop101，hadoop102，hadoop103

    • 创建test topic，设置为三个分区三个副本

      #失误报错：忘记开启zookeeper，开启zookeeper后要重启开启kafka集群才能创建
[root@hadoop101 kafka] bin/kafka-topics.sh --bootstrap-server hadoop101:9092 --create --replication-factor 3 --partitions 3 --topic test
Created topic test.

    • 生产者测试

      1. –record-size 1024 ：一条信息有多大，设置为1k

      2. –num-records 1000000 ：总共发送多少条信息，设置为100万条

      3. –throughput 10000 ：每秒多少条信息，设置-1不限流，测试生产者最大吞吐量

      4. –producer-props bootstrap.servers=hadoop101:9092,hadoop102:9092,hadoop103:9092：配置生产者相关参数

      5. 测试环境：batch.size=16384 linger.ms=0

        响应：(5.95 MB/sec)

[root@hadoop105 kafka] bin/kafka-producer-perf-test.sh --topic test --record-size 1024 --num-records 1000000 --throughput 10000 --producer-props bootstrap.servers=hadoop101:9092,hadoop102:9092,hadoop103:9092 batch.size=16384 linger.ms=0
     

 #一分钟左右，如下：
[root@hadoop104 kafka]# bin/kafka-producer-perf-test.sh --topic test --record-size 1024 --num-records 1000000 --throughput 10000 --producer-props bootstrap.servers=hadoop101:9092,hadoop102:9092,hadoop103:9092 batch.size=16384 linger.ms=0

10441 records sent, 2085.3 records/sec (2.04 MB/sec), 2106.0 ms avg latency, 3730.0 ms max latency.
15675 records sent, 3134.4 records/sec (3.06 MB/sec), 5710.4 ms avg latency, 7582.0 ms max latency.
17655 records sent, 3531.0 records/sec (3.45 MB/sec), 8691.5 ms avg latency, 9983.0 ms max latency.
18270 records sent, 3649.6 records/sec (3.56 MB/sec), 8686.5 ms avg latency, 9694.0 ms max latency.
19335 records sent, 3867.0 records/sec (3.78 MB/sec), 8309.2 ms avg latency, 9088.0 ms max latency.
17145 records sent, 3006.3 records/sec (2.94 MB/sec), 8012.4 ms avg latency, 10313.0 ms max latency.
13905 records sent, 2779.9 records/sec (2.71 MB/sec), 9947.1 ms avg latency, 12161.0 ms max latency.
15150 records sent, 3030.0 records/sec (2.96 MB/sec), 10812.7 ms avg latency, 13652.0 ms max latency.
20805 records sent, 4157.7 records/sec (4.06 MB/sec), 9360.5 ms avg latency, 13782.0 ms max latency.
22215 records sent, 4443.0 records/sec (4.34 MB/sec), 7348.5 ms avg latency, 11173.0 ms max latency.
24465 records sent, 4891.0 records/sec (4.78 MB/sec), 6600.2 ms avg latency, 9541.0 ms max latency.
20340 records sent, 4067.2 records/sec (3.97 MB/sec), 6767.3 ms avg latency, 9675.0 ms max latency.
23325 records sent, 4528.2 records/sec (4.42 MB/sec), 6609.7 ms avg latency, 10104.0 ms max latency.
18825 records sent, 3764.2 records/sec (3.68 MB/sec), 7367.5 ms avg latency, 11177.0 ms max latency.
14805 records sent, 2932.8 records/sec (2.86 MB/sec), 8416.9 ms avg latency, 13300.0 ms max latency.
15750 records sent, 3150.0 records/sec (3.08 MB/sec), 10160.2 ms avg latency, 15486.0 ms max latency.
28710 records sent, 5739.7 records/sec (5.61 MB/sec), 7469.9 ms avg latency, 14489.0 ms max latency.
32460 records sent, 6492.0 records/sec (6.34 MB/sec), 4938.4 ms avg latency, 10993.0 ms max latency.
35790 records sent, 7158.0 records/sec (6.99 MB/sec), 4501.6 ms avg latency, 8484.0 ms max latency.
44175 records sent, 8835.0 records/sec (8.63 MB/sec), 3726.8 ms avg latency, 7918.0 ms max latency.
48795 records sent, 9759.0 records/sec (9.53 MB/sec), 3308.4 ms avg latency, 6467.0 ms max latency.
49475 records sent, 9895.0 records/sec (9.66 MB/sec), 3084.0 ms avg latency, 5976.0 ms max latency.
48067 records sent, 9601.9 records/sec (9.38 MB/sec), 3147.5 ms avg latency, 6126.0 ms max latency.
46845 records sent, 9369.0 records/sec (9.15 MB/sec), 3261.2 ms avg latency, 6239.0 ms max latency.
45390 records sent, 9078.0 records/sec (8.87 MB/sec), 3323.2 ms avg latency, 6282.0 ms max latency.
46169 records sent, 9217.2 records/sec (9.00 MB/sec), 3272.2 ms avg latency, 6283.0 ms max latency.
46620 records sent, 9322.1 records/sec (9.10 MB/sec), 3383.3 ms avg latency, 6596.0 ms max latency.
45795 records sent, 9157.2 records/sec (8.94 MB/sec), 3179.9 ms avg latency, 6402.0 ms max latency.
46783 records sent, 9356.6 records/sec (9.14 MB/sec), 3411.4 ms avg latency, 6705.0 ms max latency.
48030 records sent, 9600.2 records/sec (9.38 MB/sec), 3244.2 ms avg latency, 6743.0 ms max latency.
43382 records sent, 8676.4 records/sec (8.47 MB/sec), 3302.1 ms avg latency, 6618.0 ms max latency.
42195 records sent, 8439.0 records/sec (8.24 MB/sec), 4195.7 ms avg latency, 7130.0 ms max latency.
1000000 records sent, 6092.842738 records/sec (5.95 MB/sec), 4884.89 ms avg latency, 15486.00 ms max latency, 5030 ms 50th, 10589 ms 95th, 13630 ms 99th, 15449 ms 99.9th.

若设置batch.size设置为4k，时间大概三分钟左右（变长）：3.81MB/sec

测试环境下，设置linger.ms影响不大：3.83 MB/sec

压缩：5.68 MB/sec

  • 消费者压力测试
  1. –bootstrap-server hadoop101:9092,hadoop102:9092,hadoop103:9092 ：指定kafka集群地址
  2. –topic test ：指定topic名称
  3. –messages 1000000 ：总共消费的消息个数，设置100万条
[root@hadoop104 kafka] bin/kafka-consumer-perf-test.sh --bootstrap-server hadoop101:9092,hadoop102:9092,hadoop103:9092 --topic test --messages 1000000 --consumer.config config/consumer.properties

 #如下：
 start.time, end.time, data.consumed.in.MB, MB.sec, data.consumed.in.nMsg, nMsg.sec, rebalance.time.ms, fetch.time.ms, fetch.MB.sec, fetch.nMsg.sec
 2022-04-26 19:11:28:496, 2022-04-26 19:11:40:711, 976.5625, 79.9478, 1000000, 81866.5575, 1373, 10842, 90.0722, 92233.9052
  • –consumer.config config/consumer.properties：修改：
  1. 一次拉取处理条数为500 102.3221m/s
    在这里插入图片描述
[root@hadoop104 kafka] bin/kafka-consumer-perf-test.sh --bootstrap-server hadoop101:9092,hadoop102:9092,hadoop103:9092 --topic test --messages 1000000 --consumer.config config/consumer.properties

start.time, end.time, data.consumed.in.MB, MB.sec, data.consumed.in.nMsg, nMsg.sec, rebalance.time.ms, fetch.time.ms, fetch.MB.sec, fetch.nMsg.sec
2022-04-26 19:16:48:018, 2022-04-26 19:16:57:562, 976.5625, 102.3221, 1000000, 104777.8709, 1285, 8259, 118.2422, 121080.0339
  • 一次拉取处理条数为2000 117.1922m/s

在这里插入图片描述

start.time, end.time, data.consumed.in.MB, MB.sec, data.consumed.in.nMsg, nMsg.sec, rebalance.time.ms, fetch.time.ms, fetch.MB.sec, fetch.nMsg.sec
2022-04-26 19:19:33:340, 2022-04-26 19:19:41:673, 976.5625, 117.1922, 1000000, 120004.8002, 1183, 7150, 136.5822, 139860.1399
  • 调整fetch.max.bytes大小
  1. 100m 145.3985m/s*（108.3985）*
    在这里插入图片描述
[root@hadoop104 kafka] bin/kafka-consumer-perf-test.sh --bootstrap-server hadoop101:9092,hadoop102:9092,hadoop103:9092 --topic test --messages 1000000 --consumer.config config/consumer.properties

start.time, end.time, data.consumed.in.MB, MB.sec, data.consumed.in.nMsg, nMsg.sec, rebalance.time.ms, fetch.time.ms, fetch.MB.sec, fetch.nMsg.sec
2022-04-26 19:23:29:651, 2022-04-26 19:23:38:660, 976.5625, 145.3985, 1000000, 111000.1110, 973, 8036, 121.5235, 124440.0199
柒柚jun
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【学习笔记】大数据技术之Kafka3.x（监控，外部系统集成）
prague6695的博客
04-05 2234
大数据技术之Kafka3.x第 6 章 Kafka-Eagle 监控6.1 MySQL 环境准备6.2 Kafka 环境准备6.3 Kafka-Eagle 安装6.4 Kafka-Eagle 页面操作第 7 章 Kafka-Kraft 模式7.1 Kafka-Kraft 架构7.2 Kafka-Kraft 集群部署第 1 章 集成 Flume1.1 Flume 生产者1.2 Flume 消费者第 2 章 集成 Flink2.1 Flink 生产者2.2 Flink 消费者第 3 章 集成 SpringBoo
5、kafka监控工具Kafka-Eagle介绍及使用
05-29
5、kafka监控工具Kafka-Eagle介绍及使用 网址：https://blog.csdn.net/chenwewi520feng/article/details/130581571 本文主要介绍了kafka监控工具Kafka-Eagle的使用。 本文依赖：kafka、zookeeper部署完成。 本分分为...
Kafka 消息监控 - Kafka Eagle
weixin_34080903的博客
09-01 609
1.概述 　　在开发工作当中，消费 Kafka 集群中的消息时，数据的变动是我们所关心的，当业务并不复杂的前提下，我们可以使用 Kafka 提供的命令工具，配合 Zookeeper 客户端工具，可以很方便的完成我们的工作。随着业务的复杂化，Group 和 Topic 的增加，此时我们使用 Kafka 提供的命令工具，已预感到力不从心，这时候 Kafka 的监控系统此刻便尤为显得重要，我们需要观察...
Kafka 监控之分层存储监控和 KRaft 监控指标
最新发布
流华追梦的专栏
04-19 1044
和任何一个分布式系统一样，Kafka 的存储和网络使用情况也是我们需要关注和监控的指标，只有对存储和网络状态进行充分的监控才能及时发现问题并规避风险。
Day547.Kafka-Eagle监控&Kraft模式
阿昌爱Java
02-28 2978
Kafka-Eagle监控 Kafka-Eagle框架可以监控 Kafka 集群的整体运行情况，在生产环境中经常使用。 在此之前监控工具需要MySQL作为持久化手段。 一、Kafka环境准备 1、关闭 Kafka 集群 # 停止集群 kf.sh stop 2、修改/opt/module/kafka/bin/kafka-server-start.sh vim bin/kafka-server-start.sh 修改如下参数值： if [ "x$KAFKA_HEAP_OPTS" = "x" ]; then
高性能消息中间件 - Kafka3.x（四）
摸鱼打酱油的博客
11-01 208
Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。
Kafka - 监控工具 Kafka Eagle：实时洞察Kafka集群的利器
小工匠
10-31 5978
Kafka Eagle是一款开源的、高度可定制的监控和告警工具，专门为Apache Kafka设计。它为Kafka集群提供了丰富的实时监控和管理功能，以确保高可用性、性能和数据完整性。Kafka Eagle的核心目标是帮助用户更好地理解和优化他们的Kafka环境，减少潜在问题的风险。
kafka-eagle-bin-2.0.1.tar.gz
08-10
大数据监控工具kafka监控工具kafka-eagle-bin-1.4.2.tar.gz，比较简单好用。
Kafka 监控软件kafka-eagle-web使用手册
05-06
Kafka 监控软件 Kafka-Eagle-Web 使用手册 Kafka 监控软件 Kafka-Eagle-Web 概述 Kafka-Eagle-Web 是一个基于 Kafka 的监控软件，旨在提供 Kafka 集群的实时监控和管理功能。该软件提供了便捷的安装和配置过程，使...
kafka监控--kafka-eagle
02-05
kafka-eagle的安装使用，在网上找好了好久都没有找到完整资源，自己安装试验了好久，希望能对大家有帮助
kafka-eagle-2.0.3的ke数据库脚本
12-10
kafka-eagle-2.0.3安装如果发现eagle不会自动建库建表是，可以下载该sql脚本，自己建库建表
内存泄漏检测工具，待总结
u012719076的博客
03-25 218
https://www.cnblogs.com/eagleknight/archive/2013/12/16/3476156.html https://www.cnblogs.com/hrhguanli/p/3890171.html https://www.cnblogs.com/herenzhiming/articles/5292058.html https://www.cnblogs.com/...
【kafka-ui】支持kafka with kraft的可视化集群管理工具
Aspirin's Nest
01-03 6267
支持kafka3.3.1的kafka可视化客户端，并且可以连接带认证的kafka集群
大数据开发之Kafka（broker、消费者、eagle监控、kraft模式）
key_honghao的博客
01-20 1396
1、查看zookeeper中的kafka节点所存储的信息启动Zookeeper客户端通过ls命令列出kafka节点内容2、zookeeper中存储的kafka信息在zookeeper的服务端存储的Kafka相关信息：1）/kafka/brokers/ids [0,1,2] 记录有哪些服务器2）/kafka/brokers/topics/first/partitions/0/state {“leader”.1,“isr”:[1,0,2]} 记录谁是leader，有哪些服务器可用。
kafka-eagle（EFAK）添加新集群后brockers内存，cpu及版本信息未正常显示问题记录（v2.0.8）
xiujianxiao的博客
01-04 1346
常见解决方案及自己犯的弱智错误
（二十五）大数据实战——kafka集群及Kafka-Eagle控制台安装与部署
厉害哥哥的博客
09-10 1849
本节内容我们主要介绍一下搭建kafka集群以及kafka集群的一个web客户端组件Kafka-Eagle的部署安装，使用的kafka版本是kafka_2.12-3.0.0。在搭建kafka集群之前，我们要预先搭建好zookeeper集群，这里作者默认zookeeper的集群环境已经搭建完成，可参考作者往期博客内容。新版本的kafka集群分为俩种搭建方式，一种依赖zookeeper，一种使用Kraft模式，本节内容我们主要介绍zookeeper模式的kafka集群搭建部署。
【kafka】Kafka 可视化工具Kafka Eagle安装和使用
热门推荐
michaelwoshi的博客
04-08 2万+
一、背景 Kafka产线环境需要管理的Topic和Consumser越来越多，使用命令行工具进行管理会非常繁杂。因此，大数据平台上需要一套Kafka的管理监控系统，Kafka-Eagle。 Kafka Eagle是一个用于监控和管理kafka的开源组件，可以同时监控多个kafka集群。 Kafka Eagle提供了完善的监控页面和kafka常用操作的管理界面，便于管理员对kafka集群进行运维管理。 Kafka Eagle提供了KSQL操作的可视化界面，让你可以非常快速的查看kafka中的消息。 K
【kafka】-入门篇
机智的路易
07-04 681
kafka3移出ZK理想情况下，Consumer实例的数==该 Group 订阅Topic的分区总数。 位移 消费者在消费的过程中需要记录自己消费了多少数据（位移） 组成员数发生变更。比如有新的 Consumer 实例加入组或者离开组，抑或是有 Consumer 实例崩溃被“踢出”组。 订阅主题数发生变更。Consumer Group 可以使用正则表达式的方式订阅主题，比如 consumer.subscribe(Pattern.compile(“t.*c”)) 就表明该 Group 订阅所有以字母 t 开
kafka集群搭建与prometheus监控配置
penngo的专栏
11-27 2953
prometheus监控kafka集群，kafka集群安装，kafka集群两种方式：zookeeper和KRaft
kafka-eagle-bin-2.1.0
08-01
Kafka Eagle 是一个针对 Apache Kafka 的监控和管理工具。kafka-eagle-bin-2.1.0 是 Kafka Eagle 的一个版本。这个版本的 Kafka Eagle 是在第2.1.0版本的基础上进行了一些改进和更新。 Kafka Eagle 提供了丰富的监控指标和可视化界面，帮助用户实时监控 Kafka 集群的各种运行指标，包括总体健康状况、主题和分区的生产和消费速率、错误日志等等。通过这些监控指标和可视化界面，用户可以了解 Kafka 集群的运行状态，及时发现和解决问题，提高集群的稳定性和性能。 此外，Kafka Eagle 还提供了丰富的管理功能，例如可以查看和管理 Kafka 集群的主题、分区和消费者组。用户可以创建、修改和删除主题，对分区进行重新分配和重平衡，监控和管理消费者组的偏移量等等。这些功能使得用户可以方便地管理 Kafka 集群的各种资源，提高工作效率。 kafka-eagle-bin-2.1.0 版本相对于之前的版本进行了一些改进和优化，提供了更好的性能和稳定性。同时，这个版本也修复了一些已知的 bug，增强了用户体验。用户可以根据自己的需求选择合适的版本来安装和使用 Kafka Eagle。为了保持系统的稳定性和安全性，建议及时更新到最新的版本。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值