kafka监控实战(jmxtrans+InfluxDb+Grafana)

2020-03-04 17:36:34 阅读：477 来源： 互联网

标签：tags type InfluxDb kafka 10.10 Grafana root jmxtrans

kafka监控实战(jmxtrans+InfluxDb+Grafana)

一、需求分析

一直在调研找一款好用的kafka监控，我测试使用过的KafkaOffsetMonitor、Burrow、kafka-monitor、Kafka-Manager，他们各有优缺点，下面会介绍，并且它们基本上都是监控topic的写入和读取等等，没有提供对于整体集群的监控信息，比如集群的分片、延时、内存使用情况等等，无意中发现了jmxtrans，jmxtrans它是一个通过jmx采集java应用的数据采集器，他的输出可以是Graphite、StatsD、Ganglia、InfluxDb等等通过Grafana做展示，下面就给大家介绍一下jmxtrans+InfluxDb+Grafana监控kafka的整体解决方案，并且不需要任何额外的开发工作，完全使用原生的。

其余三种监控程序的优缺点

Kafka Web Console：监控功能较为全面，可以预览消息，监控Offset、Lag等信息，但存在bug，不建议在生产环境中使用

Kafka Manager：偏向Kafka集群管理，若操作不当，容易导致集群出现故障。对Kafka实时生产和消费消息是通过JMX实现的。没有记录Offset、Lag等信息。

KafkaOffsetMonitor：程序一个jar包的形式运行，部署较为方便。只有监控功能，使用起来也较为安全。若只需要监控功能，推荐使用KafkaOffsetMonito，若偏重Kafka集群管理，推荐使用Kafka Manager。因为都是开源程序，稳定性欠缺。故需先了解清楚目前已存在哪些Bug，多测试一下，避免出现类似于Kafka Web Console的问题。

二、环境介绍

1、角色

a、10.10.10.10   InfluxDb
b、10.10.10.100  Grafana
c、10.10.30.69   jmxtrans

d、kafka集群

10.10.20.14  node1
10.10.20.15 node2
10.10.20.16 node3
10.10.20.17 node4

2、软件版本

influxdb-1.2.4-1.x86_64
grafana-4.1.1-1484211277.x86_64
jmxtrans-266.rpm
kafka_2.10-0.9.0.0.jar.asc

3、架构图

三、配置规划

1、jmxtrans我们可以分别在每台kafka节点上部署，也可以部署到一台机器上，我这里是选择了后者，因为我的集群小，这样配置文件可以集中管理，如果集群比较大，可以考虑分散部署。

2、关于jmxtrans的配置文件，分全局指标（每个kafka节点）和topic指标，全局指标每个节点一个配置文件，命名规则：base_10.10.20.14.json，topic指标是每个topic一个配置文件，命名规则：falcon_monitor_us_17.json

四、监控指标

1、全局指标

每秒输入的流量

"obj" : "kafka.server:type=BrokerTopicMetrics,name=BytesInPerSec""attr" : [ "Count" ]"resultAlias":"BytesInPerSec""tags" : {"application" : "BytesInPerSec"}

每秒输入的流量

"obj" : "kafka.server:type=BrokerTopicMetrics,name=BytesOutPerSec""attr" : [ "Count" ]"resultAlias":"BytesOutPerSec""tags" : {"application" : "BytesOutPerSec"}

每秒输入的流量

"obj" : "kafka.server:type=BrokerTopicMetrics,name=BytesRejectedPerSec""attr" : [ "Count" ]"resultAlias":"BytesRejectedPerSec""tags" : {"application" : "BytesRejectedPerSec"}

每秒的消息写入总量

"obj" : "kafka.server:type=BrokerTopicMetrics,name=MessagesInPerSec""attr" : [ "Count" ]"resultAlias":"MessagesInPerSec""tags" : {"application" : "MessagesInPerSec"}

每秒FetchFollower的请求次数

"obj" : "kafka.network:type=RequestMetrics,name=RequestsPerSec,request=FetchFollower""attr" : [ "Count" ]"resultAlias":"RequestsPerSec""tags" : {"request" : "FetchFollower"}

每秒FetchConsumer的请求次数

"obj" : "kafka.network:type=RequestMetrics,name=RequestsPerSec,request=FetchConsumer""attr" : [ "Count" ]"resultAlias":"RequestsPerSec""tags" : {"request" : "FetchConsumer"}

每秒Produce的请求次数

"obj" : "kafka.network:type=RequestMetrics,name=RequestsPerSec,request=Produce""attr" : [ "Count" ]"resultAlias":"RequestsPerSec""tags" : {"request" : "Produce"}

内存使用的使用情况

"obj" : "java.lang:type=Memory""attr" : [ "HeapMemoryUsage", "NonHeapMemoryUsage" ]"resultAlias":"MemoryUsage""tags" : {"application" : "MemoryUsage"}

GC的耗时和次数

"obj" : "java.lang:type=GarbageCollector,name=*""attr" : [ "CollectionCount","CollectionTime" ]"resultAlias":"GC""tags" : {"application" : "GC"}

线程的使用情况

"obj" : "java.lang:type=Threading""attr" : [ "PeakThreadCount","ThreadCount" ]"resultAlias":"Thread""tags" : {"application" : "Thread"}

副本落后主分片的最大消息数量

"obj" : "kafka.server:type=ReplicaFetcherManager,name=MaxLag,clientId=Replica""attr" : [ "Value" ]"resultAlias":"ReplicaFetcherManager""tags" : {"application" : "MaxLag"}

该broker上的partition的数量

"obj" : "kafka.server:type=ReplicaManager,name=PartitionCount""attr" : [ "Value" ]"resultAlias":"ReplicaManager""tags" : {"application" : "PartitionCount"}

正在做复制的partition的数量

"obj" : "kafka.server:type=ReplicaManager,name=UnderReplicatedPartitions""attr" : [ "Value" ]"resultAlias":"ReplicaManager""tags" : {"application" : "UnderReplicatedPartitions"}

Leader的replica的数量

"obj" : "kafka.server:type=ReplicaManager,name=LeaderCount""attr" : [ "Value" ]"resultAlias":"ReplicaManager""tags" : {"application" : "LeaderCount"}

一个请求FetchConsumer耗费的所有时间

"obj" : "kafka.network:type=RequestMetrics,name=TotalTimeMs,request=FetchConsumer""attr" : [ "Count","Max" ]"resultAlias":"TotalTimeMs""tags" : {"application" : "FetchConsumer"}

一个请求FetchFollower耗费的所有时间

"obj" : "kafka.network:type=RequestMetrics,name=TotalTimeMs,request=FetchFollower""attr" : [ "Count","Max" ]"resultAlias":"TotalTimeMs""tags" : {"application" : "FetchFollower"}

一个请求Produce耗费的所有时间

"obj" : "kafka.network:type=RequestMetrics,name=TotalTimeMs,request=Produce""attr" : [ "Count","Max" ]"resultAlias":"TotalTimeMs""tags" : {"application" : "Produce"}

2、topic的监控指标

falcon_monitor_us每秒的写入流量

"kafka.server:type=BrokerTopicMetrics,name=BytesInPerSec,topic=falcon_monitor_us""attr" : [ "Count" ]"resultAlias":"falcon_monitor_us""tags" : {"application" : "BytesInPerSec"}

falcon_monitor_us每秒的输出流量

"kafka.server:type=BrokerTopicMetrics,name=BytesOutPerSec,topic=falcon_monitor_us""attr" : [ "Count" ]"resultAlias":"falcon_monitor_us""tags" : {"application" : "BytesOutPerSec"}

falcon_monitor_us每秒写入消息的数量

"obj" : "kafka.server:type=BrokerTopicMetrics,name=MessagesInPerSec,topic=falcon_monitor_us""attr" : [ "Count" ]"resultAlias":"falcon_monitor_us""tags" : {"application" : "MessagesInPerSec"}

falcon_monitor_us在每个分区最后的Offset

"obj" : "kafka.log:type=Log,name=LogEndOffset,topic=falcon_monitor_us,partition=*""attr" : [ "Value" ]"resultAlias":"falcon_monitor_us""tags" : {"application" : "LogEndOffset"}

PS：

1、参数说明

"obj"对应jmx的ObjectName，就是我们要监控的指标

"attr"对应ObjectName的属性，可以理解为我们要监控的指标的值

"resultAlias"对应metric 的名称，在InfluxDb里面就是MEASUREMENTS名

"tags" 对应InfluxDb的tag功能，对与存储在同一个MEASUREMENTS里面的不同监控指标可以做区分，我们在用Grafana绘图的时候会用到，建议对每个监控指标都打上tags

2、对于全局监控，每一个监控指标对应一个MEASUREMENTS，所有的kafka节点同一个监控指标数据写同一个MEASUREMENTS ，对于topc监控的监控指标，同一个topic所有kafka节点写到同一个MEASUREMENTS，并且以topic名称命名

五、安装

1、kafka

这里不详细介绍kafka集群的安装，主要说一下kafka的启动方式，因为我们需要通过jmx采集kafka的监控数据，所以在kafka的启动时候需要启动jmx端口，启动方式如下：

cd /data/kafka/bin/

JMX_PORT=9999 nohup ./kafka-server-start.sh ../config/server.properties >/dev/null 2>&1 &

2、InfluxDb

yum -y install influxdb ##安装

/etc/init.d/influxdb start ##启动服务

[root@ip-10-10-10-10 jmxtrans]# influx

Connected to http://localhost:8086 version 1.3.2

InfluxDB shell version: 1.3.2> CREATE USER "root" WITH PASSWORD '123456' WITH ALL PRIVILEGES ##添加一个账号>

3、Grafana

yum -y install grafana ##安装

/etc/init.d/grafana-server start ##启动服务

4、jmxtrans

wget http://central.maven.org/maven2/org/jmxtrans/jmxtrans/266/jmxtrans-266.rpm

rpm -ivh jmxtrans-266.rpm ##安装

/etc/init.d/jmxtrans start ##启动

六、配置

这里主要介绍jmxtrans采集数据的配置文件撰写和Grafana绘图的配置注意事项，kafka和InfluxDb的配置这里不做描述。

1、jmxtrans

a、jmxtrans默认读取/var/lib/jmxtrans下的配置文件去采集数据的，所以我们把采集kafka监控数据的配置文件都在这个目录下，下面是我的配置文件命名规范：

[root@ip-10-10-30-69 jmxtrans]# ll

total 96

-rw-r--r-- 1 root root 1657 Aug 18 17:03 article-feedback-10min-json_14.json

-rw-r--r-- 1 root root 1657 Aug 18 17:03 article-feedback-10min-json_15.json

-rw-r--r-- 1 root root 1657 Aug 18 17:04 article-feedback-10min-json_16.json

-rw-r--r-- 1 root root 1657 Aug 18 17:04 article-feedback-10min-json_17.json

-rw-r--r-- 1 root root 8430 Aug 22 08:24 base_10.10.20.14.json

-rw-r--r-- 1 root root 8431 Aug 22 08:24 base_10.10.20.15.json

-rw-r--r-- 1 root root 8431 Aug 22 08:25 base_10.10.20.16.json

-rw-r--r-- 1 root root 8431 Aug 22 08:25 base_10.10.20.17.json

-rw-r--r-- 1 root root 2027 Aug 21 16:19 falcon_monitor_us_14.json

-rw-r--r-- 1 root root 2027 Aug 21 16:20 falcon_monitor_us_15.json

-rw-r--r-- 1 root root 2484 Aug 21 20:58 falcon_monitor_us_16.json

-rw-r--r-- 1 root root 2027 Aug 21 16:20 falcon_monitor_us_17.json

-rw-r--r-- 1 root root 2147 Aug 21 17:43 highgmp-articles-through-primary_14.json

-rw-r--r-- 1 root root 2147 Aug 21 17:46 highgmp-articles-through-primary_15.json

-rw-r--r-- 1 root root 2147 Aug 21 17:46 highgmp-articles-through-primary_16.json

-rw-r--r-- 1 root root 2147 Aug 21 17:47 highgmp-articles-through-primary_17.json[root@ip-10-10-30-69 jmxtrans]# pwd

/var/lib/jmxtrans

b、全局监控的配置文件，以10.10.20.14为例：

[root@ip-10-10-30-69 jmxtrans]# cat base_10.10.20.14.json{

"servers" : [ {

"port" : "9999",

"host" : "10.10.20.14",

"queries" : [ {

"obj" : "kafka.server:type=BrokerTopicMetrics,name=BytesInPerSec",

"attr" : [ "Count","OneMinuteRate" ],

"resultAlias":"BytesInPerSec",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "BytesInPerSec"}

} ]

},{

"obj" : "kafka.server:type=BrokerTopicMetrics,name=BytesOutPerSec",

"attr" : [ "Count","OneMinuteRate" ],

"resultAlias":"BytesOutPerSec",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "BytesOutPerSec"}

} ]

},{

"obj" : "kafka.server:type=BrokerTopicMetrics,name=BytesRejectedPerSec",

"attr" : [ "Count","OneMinuteRate" ],

"resultAlias":"BytesRejectedPerSec",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "BytesRejectedPerSec"}

} ]

},{

"obj" : "kafka.server:type=BrokerTopicMetrics,name=MessagesInPerSec",

"attr" : [ "Count","OneMinuteRate" ],

"resultAlias":"MessagesInPerSec",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "MessagesInPerSec"}

} ]

},{

"obj" : "kafka.network:type=RequestMetrics,name=RequestsPerSec,request=FetchConsumer",

"attr" : [ "Count" ],

"resultAlias":"RequestsPerSec",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"request" : "FetchConsumer"}

} ]

},{

"obj" : "kafka.network:type=RequestMetrics,name=RequestsPerSec,request=FetchFollower",

"attr" : [ "Count" ],

"resultAlias":"RequestsPerSec",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"request" : "FetchFollower"}

} ]

},{

"obj" : "kafka.network:type=RequestMetrics,name=RequestsPerSec,request=Produce",

"attr" : [ "Count" ],

"resultAlias":"RequestsPerSec",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"request" : "Produce"}

} ]

},{

"obj" : "java.lang:type=Memory",

"attr" : [ "HeapMemoryUsage", "NonHeapMemoryUsage" ],

"resultAlias":"MemoryUsage",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "MemoryUsage"}

} ]

},{

"obj" : "java.lang:type=GarbageCollector,name=*",

"attr" : [ "CollectionCount","CollectionTime" ],

"resultAlias":"GC",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "GC"}

} ]

},{

"obj" : "java.lang:type=Threading",

"attr" : [ "PeakThreadCount","ThreadCount" ],

"resultAlias":"Thread",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "Thread"}

} ]

},{

"obj" : "kafka.server:type=ReplicaFetcherManager,name=MaxLag,clientId=Replica",

"attr" : [ "Value" ],

"resultAlias":"ReplicaFetcherManager",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "MaxLag"}

} ]

},{

"obj" : "kafka.server:type=ReplicaManager,name=PartitionCount",

"attr" : [ "Value" ],

"resultAlias":"ReplicaManager",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "PartitionCount"}

} ]

},{

"obj" : "kafka.server:type=ReplicaManager,name=UnderReplicatedPartitions",

"attr" : [ "Value" ],

"resultAlias":"ReplicaManager",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "UnderReplicatedPartitions"}

} ]

},{

"obj" : "kafka.server:type=ReplicaManager,name=LeaderCount",

"attr" : [ "Value" ],

"resultAlias":"ReplicaManager",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "LeaderCount"}

} ]

},{

"obj" : "kafka.network:type=RequestMetrics,name=TotalTimeMs,request=FetchConsumer",

"attr" : [ "Count","Max" ],

"resultAlias":"TotalTimeMs",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "FetchConsumer"}

} ]

},{

"obj" : "kafka.network:type=RequestMetrics,name=TotalTimeMs,request=FetchFollower",

"attr" : [ "Count","Max" ],

"resultAlias":"TotalTimeMs",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "FetchConsumer"}

} ]

},{

"obj" : "kafka.network:type=RequestMetrics,name=TotalTimeMs,request=Produce",

"attr" : [ "Count","Max" ],

"resultAlias":"TotalTimeMs",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "Produce"}

} ]

},{

"obj" : "kafka.server:type=ReplicaManager,name=IsrShrinksPerSec",

"attr" : [ "Count" ],

"resultAlias":"ReplicaManager",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "IsrShrinksPerSec"}

} ]

}]

} ]}

c、topic监控的配置文件，以falcon_monitor_us的10.10.20.14节点为例：

[root@ip-10-10-30-69 jmxtrans]# cat falcon_monitor_us_14.json{

"servers" : [ {

"port" : "9999",

"host" : "10.10.20.14",

"queries" : [ {

"obj" : "kafka.server:type=BrokerTopicMetrics,name=BytesInPerSec,topic=falcon_monitor_us",

"attr" : [ "Count" ],

"resultAlias":"falcon_monitor_us",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "BytesInPerSec"}

} ]

},{

"obj" : "kafka.server:type=BrokerTopicMetrics,name=BytesOutPerSec,topic=falcon_monitor_us",

"attr" : [ "Count" ],

"resultAlias":"falcon_monitor_us",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "BytesOutPerSec"}

} ]

},{

"obj" : "kafka.server:type=BrokerTopicMetrics,name=MessagesInPerSec,topic=falcon_monitor_us",

"attr" : [ "Count" ],

"resultAlias":"falcon_monitor_us",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "MessagesInPerSec"}

} ]

},{

"obj" : "kafka.log:type=Log,name=LogEndOffset,topic=falcon_monitor_us,partition=*",

"attr" : [ "Value" ],

"resultAlias":"falcon_monitor_us",

"outputWriters" : [ {

"@class" : "com.googlecode.jmxtrans.model.output.InfluxDbWriterFactory",

"url" : "http://10.10.10.10:8086/",

"username" : "root",

"password" : "root",

"database" : "jmxDB",

"tags" : {"application" : "LogEndOffset"}

} ]

}]

} ]}

2、Grafana配置

a、添加数据源

Url、Database、User、Password需要和jmxtrans采集数据配置文件里面的写一致，然后点击Save&Test，提示成功就正常了

b、创建一个dashboard，然后在这里配置每一个监控指标的图

c、要点说明

1、对于监控指标为Count的监控项，需要通过Grafana做计算得到我们想要的监控，比如BytesInPerSec这个指标，它的监控值是一个累计值，我们想要取到每秒的流量，肯定需要计算，(本次采集的值-上次采集的值)/60 ,jmxtrans是一分钟采集一次数据，具体配置参考下面截图：

2、X轴的单位选择，比如流量的单位、时间的单位、每秒消息的个数无单位等等，下面分布举一个例子介绍说明因为我们是一分钟采集一次数据，所以group by 和derivative选1分钟；因为我们要每秒的流量，所以math这里除以60

设置流量的单位，点击需要设置的图，选择"Edit"进入编辑页面，切到Axes这个tab页，Unit--》data（Metric）--》bytes

设置时间的单位，点击需要设置的图，选择"Edit"进入编辑页面，切到Axes这个tab页，Unit--》time--》milliseconds(ms)

设置按原始值展示，无单位，点击需要设置的图，选择"Edit"进入编辑页面，切到Axes这个tab页，Unit--》none--》none

七、收获总结

1、关于jmx收集了kafka的那些指标，对应的值都是那些类型，对应这个问题走了很多弯路，各种谷歌百度拿到了有人整理过的，一个一个试，发现很多不能用，要不就是写的是错误的，要不就是版本不同，写法不一样，最后看到了jconsole这个工具，他可以连接到本地或者远程的jmx端口，能看到在收集的所有指标，在windows下装好jdk，在bin目录你可以找到这个工具。

2、关于consumer的延时，关官方介绍有一个type是 type=consumer-fetch-manager-metrics的指标，但是我这通过jconsole连进来死活没有找到，昨天我已经用 pyhon写了一个小脚本，通过crontab 一分钟采集一次，入库到InfluxDB，也可以通过Grafana做展示了。

a、数据采集的脚本

#!/usr/bin/env python
#-*-coding:utf8-*-
from influxdb import InfluxDBClient
from kafka.consumer import SimpleConsumer
from kazoo.client import KazooClient
from kafka.client import SimpleClientimport timeimport datetime#Zookeepers
zookeepers="10.10.20.14"#Kafka
kafka="10.10.20.14:9092"#consumer group
group_list = ["monitor","topic1"]#InfluxDB client
client = InfluxDBClient('10.10.10.10', 8086, 'root', 'root', 'jmxDB', timeout=2, retries=3)#time##now = time.strftime("%Y-%m-%dT%H:%M:%SZ")
now = ((datetime.datetime.now()-datetime.timedelta(hours=8)).strftime("%Y-%m-%d %H:%M"))if __name__ == '__main__':
    try:
        broker = SimpleClient(hosts=kafka) 
        zk = KazooClient(hosts=zookeepers, read_only=True)
        zk.start()
        for group in group_list:
            print group
            topics = zk.get_children("/consumers/%s/owners" %(group))
            for topic in topics:
                try:
                    consumer = SimpleConsumer(broker, group, str(topic))
                    lag = int(consumer.pending())
                    json_body = [
                        {
                           "measurement": "lag",
                           "tags": {
                                "Consumer_id": group,
                               "topic": topic,
                                "addr": kafka
                            },
                            "time": now,
                            "fields": {
                                "value": int(lag)
                            }
                        }
                    ]
                    try:
                        client.write_points(json_body)
                    except Exception as e:
                       print e
                except Exception as e:
                    print e
    except Exception as e:
        print e
    finally:   
        zk.stop()

b、Grafana的配置，下面这张图是topic1的两个Consumer的延时情况：

官网监控指标如下：

http://kafka.apache.org/documentation/#monitoring

八、grafana的报警（补充）

所有的指标都收集齐了，最后一步就是报警了，邮件报警配置很简单，这里就不多说了，好多公司现在办公都用钉钉，当然我们也在用钉钉，grafana从4.3开始支持钉钉报警了，这里介绍下具体的配置方法

1、创建一个钉钉群，把需要接收报警的人拉到群里

2、创建一个钉钉机器人并获取url，具体方法如下：

a、在PC版钉钉上，如下图1、2、3操作

b、点击“添加 ”

3、在grafana上配置钉钉报警

a、按下图方法添加一条通知策略

b、Name自己随便定义，勾选下面两个勾，Url这个填写上面在添加钉钉机器人复制的url，保存即可。

4、配置需要发报警的监控指标，编辑需要配置报警的监控图，切换到Alert页面，点击"Create Alert"到下图配置页面，

Alert Config，Name 会根据图的Title自动生成，可以修改，Evaluate every多久执行一次

Conditions，主要说一下query的第一个参数，如果以在一个图上有多个监控指标，需要多那个指标报警，选择对应的Metrics的行就可以了，后面两个参数就是时间范围了，这个报警的配置接收如下：

在5分钟内，如果A这个Metrics的平均值大于100 就报警，或者C这个Metrics的最大值大于200就报警；如果没有数据或者数据为null也报警，如果执行错误或者超时也报警

切换到Notifications，点击"+"号添加钉钉报警，并在Message添加报警内容，切记要执行“Ctrl +S”保存页面，不然刚才的配置白瞎了

ok，到此钉钉报警已经配置完成，点击钉钉群里的链接可以查看报警监控指标的具体情况。

转自：http://blog.51cto.com/navyaijm/1958376

标签：tags,type,InfluxDb,kafka,10.10,Grafana,root,jmxtrans
来源： https://blog.csdn.net/aA518189/article/details/84071267

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

kafka监控实战(jmxtrans+InfluxDb+Grafana)

kafka监控实战(jmxtrans+InfluxDb+Grafana)

一、需求分析

其余三种监控程序的优缺点

二、环境介绍

1、角色

2、软件版本

3、架构图

三、配置规划

四、监控指标

1、全局指标

2、topic的监控指标

1、参数说明

五、安装

1、kafka

2、InfluxDb

3、Grafana

4、jmxtrans

六、配置

1、jmxtrans

b、全局监控的配置文件，以10.10.20.14为例：

2、Grafana配置

a、添加数据源

b、创建一个dashboard，然后在这里配置每一个监控指标的图

c、要点说明

七、收获总结