Kafka性能压测

迈不过友情╰ 2022-11-15 12:53 213阅读 0赞

[Flink-Kafka性能压测全记录][Flink-Kafka]

**2.1 Producer相关参数**  
   我们在producer涉及到性能的关键因素可能会存在如下几个：

thread:我们测试时的单机线程数；  
bath-size:我们所处理的数据批次大小；  
ack:主从同步策略我们在生产消息时特别需要注意，是follower收到后返回还是只是leader收到后返回，这对于我们的吞吐量影响颇大；  
message-size:单条消息的大小，要在producer和broker中设置一个阈值，且它的大小范围对吞吐量也有影响；  
compression-codec:压缩方式，目前我们有不压缩，gzip，snappy，lz4四种方式;  
partition:分区数，主要是和线程复合来测试；  
replication:副本数；  
througout:我们所需要的吞吐量，单位时间内处理消息的数量，可能对我们处理消息的延迟有影响；  
linger.ms：两次发送时间间隔，满足后刷一次数据。

**2.2 Consumer相关参数**

thread：我们测试时的单机线程数；  
fetch-size：抓取数据量；  
partition:分区数，主要是和线程复合来测试；  
replication:副本数；  
througout:我们所需要的吞吐量，单位时间内处理消息的数量，可能对我们处理消息的延迟有影响；

**2.3 Broker相关参数**

num.replica.fetchers：副本抓取的相应参数，如果发生ISR频繁进出的情况或follower无法追上leader的情况则适当增加该值，但通常不要超过CPU核数+1；  
num.io.threads：broker处理磁盘IO的线程数，主要进行磁盘io操作，高峰期可能有些io等待，因此配置需要大些。建议配置线程数量为cpu核数2倍，最大不超过3倍；  
num.network.threads：broker处理消息的最大线程数，和我们生产消费的thread很类似主要处理网络io，读写缓冲区数据，基本没有io等待，建议配置线程数量为cpu核数加1；  
log.flush.interval.messages：每当producer写入多少条消息时，刷数据到磁盘；  
log.flush.interval.ms：每隔多长时间，刷数据到磁盘；

**kafka-producer-perf-test.sh 脚本命令的参数解析（以100w写入消息为例）：**  
–topic topic名称，本例为test\_perf  
–num-records 总共需要发送的消息数，本例为100000  
–record-size 每个记录的字节数，本例为1000  
–throughput 每秒钟发送的记录数，本例为5000 ，-1表示不限流  
–producer-props bootstrap.servers=localhost:9092

./kafka-producer-perf-test.sh --topic test\_kafka\_perf1 --num-records 100000000 --record-size 687 --producer-props bootstrap.servers=10.240.1.134:9092,10.240.1.143:9092,10.240.1.146:9092 batch.size=10000 --throughput 30000

**kafka-consumer-perf-test.sh 脚本命令的参数为：**  
–zookeeper 指定zookeeper的链接信息，本例为localhost:2181 ；  
–topic 指定topic的名称，本例为test\_perf，即4.2.1中写入的消息；  
–fetch-size 指定每次fetch的数据的大小，本例为1048576，也就是1M  
–messages 总共要消费的消息个数，本例为1000000，100w  
以本例中消费100w条MQ消息为例总共消费了953.66M的数据，每秒消费数据大小为177.19M，总共消费了10000004条消息，每秒消费185804.53条消息。

./kafka-consumer-perf-test.sh --zookeeper 110.240.0.9:2181,10.240.0.10:2181,10.240.0.13:2181/kafka --topic test\_kafka\_perf1 --fetch-size 1048576 --messages 100000 --threads 1 --hide-header --num-fetch-threads 1

[Flink-Kafka]: https://cloud.tencent.com/developer/article/1493812