kafka监控系统

------------------------------------------------------------------------------------------------------------------------------

JAVA Metrics

Kafka采用的是JAVA Metrics进行内部状态的监控，具体参考上面的blog，说的都比较清楚

JAVA Metrics还是比较好用的，有如下几种类型的度量，Gauges, Counters, Histograms, Meters,Timers.
另外还支持Health Checks

并支持多种report方式，metrics-core支持3种
默认的方式是JMX，Metrics一直将你的所有指标注册成JMX的MBeans，可以通过Jconsole或VisualVM来直接查看，详细见下面
console方式，Metrics提供了ConsoleReporter，这个周期性的打印出注册的metric到控制台上
CSV方式，Metrics提供了CsvReporter，他周期性的提供了一连串的给定目录下.csv文件

还有其他的reporter，比如将数据发给Ganlia或Graphite这样现成的监控平台
GanliaReporter 将度量指标以流式的方式返回给Ganglia服务器
GraphiteReporter 将度量指标以流式的方式返回给Graphite服务器

JMX，Java Management Extension

Kafka中是通过JMX来report metrics的，所以来看看JMX是什么？
http://www.ibm.com/developerworks/cn/java/j-lo-jse63/，这篇讲的比较清楚，IBM的blog质量还是值得肯定的呵呵

比如大型的系统中部署了各种各样的Java组件，每个组件的监控和管理接口都是不一样的，那么开发一个统一的监控和管理工具就很麻烦
JMX就是负责对上层管理系统提供统一的接口，以屏蔽底层resources的多样性

具体架构，参考下面的图，

javax.management.MBeanServer实现了Agent 的功能，以标准的方式给出了管理系统访问 JMX 框架的接口
javax.management.MBeans实现了SubAgent 的功能，以标准的方式给出了 JMX 框架访问资源的接口

参照下面，打开JConsole，就可以看到代表资源的一个个MBean，在MBean上不仅仅可以看到这些资源的当前状态，还可以动态的更改配置和做些操作
比如对于java.lang MBean提供了Java 虚拟机的监控和管理接口，
可以看到虚拟机中的线程数、线程当前的 Stack、内存管理、GC 所占用的时间、虚拟机中的对象和当前虚拟机参数等重要的参数和运行时信息
还可以对配置信息的检测和再配置，远端查看和修改当前 JVM 的 verbose 参数，甚至我们可以在远端指挥 JVM 做一次 GC

如何用JConsole监控kafka的Metrics信息？

首先在执行kafka脚本的时候，加上JMX_PORT，其他JMX相关配置在kafka-run-class.sh的KAFKA_JMX_OPTS已经配上了

JMX_PORT=9999 nohup bin/kafka-server-start.sh config/server.properties &

打开JConsole，

输入，service:jmx:rmi:///jndi/rmi://11.11.11.11:9999/jmxrmi

然后就可以看到，cool！！！

从Metrics中可以看到哪些Kafka指标？

参考，http://kafka.apache.org/documentation.html#monitoring

表有点乱，梳理一下，每个metrics的标识分为3层，MBean name，Type，Metrics name

kafka.server (MBean Name)

    BrokerTopicMetrics (Type)
        AllTopicsMessagesInPerSec，所有topic每秒messages数
        AllTopicsBytesInPerSec，所有topic每秒in的字节数
        AllTopicsBytesOutPerSe，out的字节数，没有out的message数，为啥？呵呵

    ReplicaManager
        UnderReplicatedPartitions，即有几个partition实际replica数是小于设置数的(|ISR| < |all replicas|)
        PartitionCount, partition的个数
        LeaderCount, leader partition的个数，如果replica因子为1，即为partition数
        ISRShrinksPerSec, 只有broker go down的时候ISR才会发生，Shrink和Expand，一般情况下为0
        ISRExpandsPerSec, 同上

ReplicaFetcherManager
Replica-MaxLag, follower replica和leader replica之间的最大的lag

ProducerRequestPurgatory
PurgatorySize，Requests waiting in the producer purgatory

FetchRequestPurgatory
PurgatorySize，Requests waiting in the fetch purgatory

kafka.network

    RequestMetrics
        {Produce|Fetch-consumer|Fetch-follower}-RequestsPerSec, 每秒producer或consumer请求次数，follower指replica broker
        {Produce|Fetch-Consumer|Fetch-Follower}-TotalTimeMs，Request total time
        {Produce|Fetch-Consumer|Fetch-Follower}-QueueTimeMs，Time the request waiting in the request queue
        {Produce|Fetch-Consumer|Fetch-Follower}-LocalTimeMs，Time the request being processed at the leader
        {Produce|Fetch-Consumer|Fetch-Follower}-RemoteTimeMs，Time the request waits for the follower
        {Produce|Fetch-Consumer|Fetch-Follower}-ResponseSendTimeMs，Time to send the response

kafka.Log

    Log
        topic-partition-LogEndoffset，每个partition的End Offset
        topic-partition-NumLogSegments，segements个数
        topic-partition-Size，partition数据的大小

kafka.controller

KafkaController
ActiveControllerCount，有几个active的controller

    ControllerStats
        LeaderElectionRateAndTimeMs，non-zero when there are broker failures
        UncleanLeaderElectionsPerSec

kafka.consumer

ConsumerFetcherManager
([-.\w]+)-MaxLag，Number of messages the consumer lags behind the producer by

Kafka中支持的JMX reporter

https://cwiki.apache.org/confluence/display/KAFKA/JMX+Reporters