1. 监控与定位资源瓶颈
首先通过工具定位资源占用高的根源，避免盲目调整。常用工具包括：
top/htop查看CPU使用率，free -m检查内存剩余，iostat/iotop监控磁盘I/O（重点关注await、%util指标），iftop/nethogs查看网络带宽占用；kafka-topics.sh --describe查看主题分区分布及ISR状态，kafka-consumer-groups.sh监控消费延迟（LAG），kafka-run-class.sh kafka.tools.JmxTool获取JMX指标（如kafka.server:type=BrokerTopicMetrics,name=MessagesInPerSec吞吐量、kafka.network:type=RequestChannel,name=RequestQueueSize请求队列积压）；/var/log/kafka/server.log）中的错误或警告（如ReplicaFetchThread延迟、SocketServer连接堆积），结合jstack（jstack <pid> > kafka_stack.log）分析线程状态（如NetworkClient线程高占用可能为网络问题，LogFlusher线程高占用可能为磁盘I/O瓶颈）。2. 优化Kafka配置参数
根据监控结果调整配置，减少资源浪费：
KAFKA_HEAP_OPTS="-Xms4G -Xmx4G"，建议不超过物理内存的70%，避免Swap）；优化Kafka内存参数（buffer.memory=67108864（生产者缓冲区，避免过大堆积）、batch.size=1048576（消息批次大小，1MB为宜，平衡延迟与吞吐）、log.retention.hours=168（日志保留时间，根据业务需求缩短，减少磁盘占用））；num.network.threads=3（网络请求处理线程，建议为CPU核心数的1-2倍）、num.io.threads=8（磁盘I/O线程，建议为CPU核心数的2-3倍）、num.replica.fetchers=3（副本同步线程，避免过多线程竞争CPU））；优化分区策略（分区数应为Broker数量的整数倍，如3个Broker设置num.partitions=6，避免分区集中在少数节点导致CPU不均衡）；compression.type=lz4，减少磁盘存储占用，但会增加少量CPU开销）；调整日志段大小（log.segment.bytes=1073741824（1GB），避免频繁切换日志段导致I/O压力）。3. 调整操作系统参数
优化系统配置以提升Kafka性能：
noatime（mount -o noatime /dev/sdb1 /data），减少文件系统写操作；vm.swappiness设置为1-10（sysctl -w vm.swappiness=5），避免内存不足时频繁使用Swap，导致性能骤降；ulimit -n 65535），避免Kafka因句柄泄漏导致进程崩溃。4. 升级Kafka版本
新版本通常修复了旧版本的性能bug（如Kafka 3.x优化了磁盘I/O调度、Kafka 4.0引入的KRaft模式减少了ZooKeeper依赖），建议升级到最新的稳定版本（如Kafka 3.6+或4.0+），提升资源利用率。
5. 扩容集群
若单节点资源无法满足需求，可通过扩容集群分散负载：
server.properties中的broker.id、listeners，启动broker），Kafka会自动将分区副本分配到新节点，减轻现有节点的压力；kafka-topics.sh --alter --topic high_traffic_topic --partitions 12 --bootstrap-server localhost:9092），提高并行处理能力（注意：分区数过多会增加ZooKeeper负担，需权衡）。6. 排查应用层问题
linger.ms（如100ms）和batch.size（如1MB），减少网络请求次数；num.consumer.fetchers=4），使用共享组（Share Group）机制提高消费效率；