一、生产者端配置优化（减少发送延迟）
生产者是消息进入Kafka的第一环，其配置直接影响消息发送的延迟表现。核心优化方向是批量处理、压缩、确认机制及缓冲区管理：
batch.size控制每批消息的最大字节数（默认16KB），增大该值可减少网络请求次数（如设置为65536字节，即64KB）；linger.ms是生产者等待批量填满的最长时间（默认0ms），适当增加（如10ms）可让生产者积累更多消息，提高批量效率。两者配合使用，在吞吐与延迟间取得平衡。snappy压缩率约2-3倍，zstd更高且延迟更低），但会增加少量CPU开销。推荐zstd（Kafka 2.1+支持），适合对延迟敏感且带宽有限的业务。acks决定生产者等待Broker确认的级别（0=不等待、1=等待Leader、all=等待所有ISR副本）。acks=all提供最强可靠性，但会增加延迟；若业务允许，可设置为1以平衡可靠性与性能。buffer.memory是生产者用于缓冲消息的总内存（默认32MB），增大该值可避免因缓冲区满导致的发送阻塞（如设置为64MB），尤其适合高吞吐场景。二、消费者端配置优化（减少处理延迟）
消费者处理延迟主要来自拉取效率、并发处理及位移管理，优化重点是提高批量拉取能力和并发度：
fetch.min.bytes是消费者单次拉取的最小数据量（默认1B），增大该值（如1KB）可减少网络请求次数；max.poll.records是单次poll调用的最大记录数（默认500），增加该值（如1000）可提高每次处理的消息量，降低处理频率。max.poll.interval.ms是消费者两次poll的最大间隔（默认5分钟），若业务处理耗时较长，需增大该值（如15分钟），避免消费者被踢出组；partition.assignment.strategy使用RoundRobinAssignor（轮询分配），比默认的RangeAssignor更均匀地分配分区，提高并行度。enable.auto.commit=false），改为手动提交（如每10秒提交一次），可避免重复消费。手动提交需在poll循环中调用commitSync()，确保位移及时更新。三、Broker端配置优化（减少中转延迟）
Broker是消息的中转枢纽，其配置直接影响消息的存储、转发效率。核心优化方向是线程并发、网络缓冲及分区策略：
num.network.threads是处理网络请求的线程数（默认3），建议设置为CPU核心数+1（如8核设置为9）；num.io.threads是处理磁盘IO的线程数（默认8），建议设置为CPU核心数的2倍（如16核设置为32），提高磁盘读写效率。四、操作系统级配置优化（支撑底层性能）
操作系统参数直接影响Kafka的网络、磁盘及内存性能，需针对性调整：
net.core.rmem_max（接收缓冲区最大值）、net.core.wmem_max（发送缓冲区最大值）至16MB（16777216字节），net.ipv4.tcp_rmem（接收缓冲区分段）、net.ipv4.tcp_wmem（发送缓冲区分段）至4096 12582912 16777216（小/中/大缓冲区），提高网络吞吐。fs.file-max=1000000），避免Producer/Consumer过多连接导致“Too many open files”错误。noatime选项（如UUID=<disk-uuid> /kafka_data ext4 defaults,noatime 0 2），减少不必要的元数据写入，提高磁盘IO性能。五、JVM配置优化（减少GC停顿）
Kafka依赖JVM运行，GC停顿会导致消息处理延迟，需优化GC策略：
-XX:+UseG1GC，适合大内存场景（如8GB堆），能有效控制GC停顿时间。-XX:MaxGCPauseMillis=20（目标最大GC停顿时间20ms），-XX:InitiatingHeapOccupancyPercent=35（堆使用率达35%时启动并发GC），-Xms8g -Xmx8g（堆内存设置为系统总内存的50%-70%，避免堆震荡）。