总体思路
在 Linux 上实现 Kafka 高可用，核心是构建一个具备容错能力的多 Broker 集群，配合 ZooKeeper 进行协调，并通过合理的主题副本、一致性写入策略与监控告警来保证在节点或磁盘故障时仍能持续可用与可恢复。
架构与前提
- 至少部署 3 台 Linux 服务器，分别运行 Kafka Broker 与 ZooKeeper 节点，避免单点故障。
- 使用稳定版本的 Kafka 与 JDK，并保证组件版本兼容。
- 为每台服务器配置静态 IP 与唯一主机名，便于服务发现与对外访问。
- 规划磁盘与网络：优先 SSD、充足磁盘空间与稳定网络，降低 I/O 与网络抖动对可用性的影响。
部署与关键配置
- 安装与目录
- 下载并解压 Kafka 与 ZooKeeper 二进制包，按节点规划目录（如日志、数据目录）。
- ZooKeeper 集群
- 配置 zoo.cfg：设置 tickTime=2000、initLimit=5、syncLimit=2、dataDir、clientPort=2181，并在 server.1/server.2/server.3 中声明集群成员与 2888/3888 端口。
- 启动并检查状态：
bin/zkServer.sh start 与 bin/zkServer.sh status。
- Kafka Broker 关键配置（server.properties）
- 唯一标识：broker.id（每台不同）。
- 监听地址：listeners=PLAINTEXT://<本机IP>:9092。
- 对外地址：advertised.listeners=PLAINTEXT://<可被客户端访问的IP>:9092（跨机房/云环境尤为重要）。
- 协调服务：zookeeper.connect=zk1:2181,zk2:2181,zk3:2181。
- 数据与日志：log.dirs=/var/lib/kafka/logs。
- 高可用写入：建议 default.replication.factor=3、min.insync.replicas=2，确保写入需多数副本确认。
- 分区与副本：创建主题时合理设置分区数与副本数（见下节）。
- 启动与验证
- 启动 Broker：
bin/kafka-server-start.sh config/server.properties。
- 验证集群与主题：
bin/kafka-topics.sh --list --zookeeper zk1:2181。
高可用关键实践
- 数据冗余与容错
- 主题副本因子至少为 3，并尽量将分区副本分布在不同 Broker 上，避免同机/同机架集中。
- 生产端设置 acks=all 与 min.insync.replicas=2，保证只有多数副本写入成功才返回成功，故障时可自动切换至可用副本。
- 故障转移与恢复
- Broker 宕机后，控制器会触发分区重分配，将失效副本的 leader 迁移至健康节点；应用需能处理短暂的 leader 切换与重试。
- 运维与稳定性
- 使用 systemd 托管 Kafka 与 ZooKeeper，配置自动重启与有序依赖，减少人工介入。
- 监控与日志：接入 Prometheus + Grafana 监控关键指标（如 UnderReplicatedPartitions、请求延迟、网络/磁盘 IO），并配置告警；设置日志轮转与保留策略，防止磁盘被占满。
- 安全加固
- 启用 SSL/TLS 加密通道，使用 SASL/SCRAM 或 SASL/PLAIN 进行身份认证，必要时结合 ACL 做细粒度授权。
快速验证与演练
- 集群健康
- 列出主题：
bin/kafka-topics.sh --list --zookeeper zk1:2181。
- 查看主题详情（含副本分布与 ISR）：
bin/kafka-topics.sh --describe --topic <topic> --zookeeper zk1:2181。
- 可用性演练
- 停止某台 Broker，观察 UnderReplicatedPartitions 是否恢复、分区 leader 是否迁移；恢复节点后确认副本同步与 ISR 收敛。
- 生产端验证
- 使用
acks=all、retries 与幂等/事务（如业务需要）进行写入，验证在节点故障与网络抖动场景下的端到端不丢不重。