Kafka CPU使用率高排查思路及解决方案

一、CPU使用率高的一般排查思路

1） top命令排查CPU使用率高的进程

2） su - omm切换到omm用户，jstack -l 进程pid>>文件路径

3） top -H -p 进程pid 查看CPU使用率高

4） “printf "%x\n" 线程号”将上一步中CPU高的线程号转换成16进制

5） 在jstack文件中搜索上一步中的16进制信息查看具体的线程

二、 Kafka CPU使用率高的常见原因及解决方案

1.     集群规划不合理

a)    命令grep -c processor /proc/cpuinfo 查看CPU核数，df -h命令查看Kafka磁盘挂载情况，建议每台机器最大挂盘数量 <= processor / 2。挂载过多磁盘也可能导致CPU繁忙。

b)    Kafka配置中查看num.io.threads、num.network.threads、num.replica.fetchers配置，num.io.threads和num.network.threads配置一般建议磁盘个数的倍数，但不能超过CPU核数。num.replica.fetchers配置一般建议不超过5，同步线程数过多也会造成CPU繁忙。

c)    分区设置不合理：分区一般设置为节点个数的倍数，如果分区设置不合理，所有的生产和消费都集中在某个节点上，也可能导致CPU高。

2.     操作系统句柄数过高

a)    查看操作系统句柄数：cat /var/log/osinfo/statistics/file-nr.txt

b)    统计各进程打开句柄数：lsof -n|awk '{print $2}'|sort|uniq -c|sort -nr

c)    查看进程使用句柄数：lsof -p 进程pid | wc -l

如果句柄数高，排查使用句柄数高的进程是否有句柄泄漏；排查操作系统日志，查看是否存在TCP内存溢出等。

3.     根据CPU使用率高的线程具体排查

a)    使用C++客户端，版本不兼容，kafka-request.log日志中大量获取全部topic元数据的信息：

Jstack信息中查找CPU高的线程，线程都在获取元数据信息：

Request日志开debug后，大量获取全部Topic元数据信息，且耗时很长。

CPU长时间频繁处理元数据请求导致CPU升高。

b)    使用Logstash版本过低，与Kafka高版本服务端不兼容：

      Kafka服务端对部分topic加权限后，21005端口访问未加权限的topic，kafka-authorizer.log日志中大量请求Deny的日志

      CPU频繁处理deny请求导致CPU异常升高。

c)    Sssd异常

使用id -Gn名称返回结果异常为sssd服务有问题

kafka-authorizer.log日志为大量打印某用户不属于kafka组或者kafkaadmin组

服务器的kafka无法正常鉴权，导致用户频繁访问此服务器，cpu异常升高