使用Kafka自带命令行工具实时监控集群状态，是基础且轻量的方式：
kafka-topics.sh --list --bootstrap-server <broker_host:port>kafka-topics.sh --describe --topic <topic_name> --bootstrap-server <broker_host:port>（重点关注ISR数量，若ISR持续减少可能提示副本同步问题）kafka-consumer-groups.sh --bootstrap-server <broker_host:port> --describe --group <group_id>（核心指标：CURRENT-OFFSET与LOG-END-OFFSET的差值反映积压，LAG值过大需优化）kafka-consumer-groups.sh的输出，定期检查LAG（日志结束偏移量与当前消费偏移量的差值），判断消费是否滞后。docker run -d --rm -p 9000:9000 -e KAFKA_BROKERCONNECT=<broker_host:port> -e SERVER_SERVLET_CONTEXTPATH="/" obsidiandynamics/kafdrop），支持查看Topic、分区、消费者组详情，以及消息搜索和Topic管理，界面友好适合实时监控。kafka_server_BrokerTopicMetrics_MessagesInPerSec、kafka_server_ReplicaManager_UnderReplicatedPartitions），暴露为Prometheus可抓取的接口；kafka.yml抓取Kafka Exporter的指标（示例：scrape_configs: - job_name: 'kafka' targets: ['kafka-exporter:9308']）；num.partitions（分区数）应根据消费者线程数调整（建议与消费者线程数相等），提升并行处理能力；num.network.threads（网络收发线程）：设置为CPU核心数的2/3（如8核CPU设置为5-6）；num.io.threads（磁盘I/O线程）：设置为CPU核心数的50%（如8核CPU设置为4-5）；num.replica.fetchers（副本拉取线程）：设置为CPU核心数的1/3（如8核CPU设置为2-3），提升副本同步效率；compression.type（压缩算法）推荐使用lz4（吞吐量高于Snappy，CPU开销适中），减少网络传输和存储压力；default.replication.factor（副本因子）设置为3（确保数据冗余）；min.insync.replicas（最小同步副本数）设置为2（当acks=all时，保证数据写入至少2个副本，兼顾可靠性与性能）。batch.size（批处理大小）设置为1MB（1024*1024字节），减少网络请求次数；linger.ms（等待时间）设置为100ms（允许生产者在发送前聚合更多消息），提升吞吐量；compression.type设置为lz4，平衡压缩率与CPU开销；acks（确认机制）根据业务需求设置：all（确保消息写入所有ISR副本，可靠性最高，但吞吐量较低）或1（写入Leader副本即可，兼顾性能与可靠性）；buffer.memory（缓冲区大小）设置为64MB以上（避免消息因缓冲区满而丢失）。fetch.min.bytes（最小拉取字节数）设置为1MB（减少拉取次数）；fetch.max.wait.ms（最大等待时间）设置为1000ms（允许消费者等待足够数据后再拉取），平衡延迟与吞吐量；enable.auto.commit（自动提交）设置为false，改为手动提交（consumer.commitSync()），避免消息重复消费或丢失。-XX:+UseG1GC -XX:MaxGCPauseMillis=20）；