在 Ubuntu 上，Kafka 的数据持久化由“磁盘落盘 + 多副本 + 日志留存策略”共同保障。下面给出可直接落地的配置与验证步骤。

一、核心原理与关键配置

• 磁盘落盘与目录：通过配置 log.dirs 指定持久化目录（建议使用独立磁盘或高性能存储），Kafka 将消息写入日志段文件并在检查点进行刷盘。
• 多副本容错：主题 replication.factor ≥ 3、min.insync.replicas ≥ 2，确保即使单节点故障数据仍可从 ISR 副本读取/恢复。
• 日志留存与清理：通过 log.retention.ms / log.retention.hours / log.retention.bytes 控制保留时长与容量上限；log.segment.bytes 控制段文件大小；log.cleanup.policy=delete|compact|delete,compact 决定过期数据删除或键级压缩策略。
• 可靠性语义：生产者 acks=all、重试与幂等/事务可进一步提升端到端不丢数据能力（与持久化相辅相成）。
  以上参数与行为是 Kafka 实现数据持久化的关键。

二、Ubuntu 上的两种部署与持久化落地

• 方式 A：KRaft 模式（Kafka 4.x 推荐，无 ZooKeeper）

  1. 安装与目录
     • 安装 JDK 17+；创建数据与安装目录：
       sudo mkdir -p /opt/kafka /data/kafka-logs
       sudo chown -R $USER:$USER /opt/kafka /data/kafka-logs
  2. 下载解压
     wget https://downloads.apache.org/kafka/4.1.1/kafka_2.13-4.1.1.tgz
     tar -xzf kafka_2.13-4.1.1.tgz -C /opt
  3. 配置 KRaft（config/kraft/server.properties 关键项）
     node.id=1
     process.roles=broker,controller
     controller.listener.names=CONTROLLER
     controller.quorum.voters=1@localhost:9093
     listeners=PLAINTEXT://0.0.0.0:9092,CONTROLLER://0.0.0.0:9093
     advertised.listeners=PLAINTEXT://你的服务器IP:9092
     listener.security.protocol.map=CONTROLLER:PLAINTEXT,PLAINTEXT:PLAINTEXT
     inter.broker.listener.name=PLAINTEXT
     log.dirs=/data/kafka-logs

     生产环境建议 ≥3；单机演示可保持 1

     offsets.topic.replication.factor=1
     transaction.state.log.replication.factor=1
     transaction.state.log.min.isr=1
  4. 初始化存储目录
     ./bin/kafka-storage.sh random-uuid
     ./bin/kafka-storage.sh format -t -c config/kraft/server.properties
  5. 启动
     ./bin/kafka-server-start.sh config/kraft/server.properties 以上步骤覆盖 KRaft 单机部署与数据目录持久化要点。

• 方式 B：传统 ZooKeeper 模式（Kafka 2.x/3.x 常见）

  1. 安装 OpenJDK 11
     sudo apt update && sudo apt install -y openjdk-11-jdk
  2. 下载解压（示例 2.13-2.8.0）
     wget https://downloads.apache.org/kafka/2.8.0/kafka_2.13-2.8.0.tgz
     sudo tar -xzf kafka_2.13-2.8.0.tgz -C /opt
  3. 配置 server.properties
     broker.id=0
     listeners=PLAINTEXT://你的服务器IP:9092
     log.dirs=/opt/kafka/data
  4. 启动

     启动 ZooKeeper

     bin/zookeeper-server-start.sh config/zookeeper.properties

     启动 Kafka

     bin/kafka-server-start.sh config/server.properties 该方式同样通过 log.dirs 实现磁盘持久化。

三、主题与副本配置建议

• 创建高可用主题（示例）：
  bin/kafka-topics.sh --create --topic my_topic --partitions 3 --replication-factor 3 --bootstrap-server 你的IP:9092
• 生产环境建议：
  • replication.factor=3、min.insync.replicas=2，保证在节点故障下仍满足写入可用性（acks=all 时）。
  • 单节点或测试环境可将副本因子设为 1（不具容错）。

四、持久化与备份的运维要点

• 日志留存与段管理
  • 保留策略：同时支持按时间与按大小清理，优先级为 ms > minutes > hours；例如 log.retention.ms=86400000 表示保留 24 小时。
  • 段与清理：通过 log.segment.bytes 控制段滚动；log.cleanup.policy=delete 按时间/大小删除，compact 做键级压缩（适合变更日志/状态存储）。
• 备份与容灾
  • 备份思路：Kafka 并非传统数据库，常用“复制机制 + 外部备份”。
  • 工具与方法：
    • 全量导出：kafka-console-consumer.sh 将主题数据导出到文件（适合小规模/一次性）。
    • 增量/跨集群：使用 MirrorMaker 或 Confluent 的 kafka-backup 工具做跨集群镜像与增量备份。
    • 跨区域容灾：通过跨数据中心镜像 Topic 实现备份与灾备。
  • 操作建议：备份前先备份配置文件与元数据；恢复时按工具指引执行，必要时短暂停写以保证一致性。

五、快速验证

• 生产消息：
  bin/kafka-console-producer.sh --topic my_topic --bootstrap-server 你的IP:9092
• 消费消息（从最早开始）：
  bin/kafka-console-consumer.sh --topic my_topic --from-beginning --bootstrap-server 你的IP:9092
  若能稳定生产/消费且重启后仍能读取历史消息，即表明磁盘持久化与副本机制生效。