Kafka使用Yammer Metrics來報告server和client的衆多metric。還可以使用其他的插件來跟你的監控系統連接起來，比如https://cwiki.apache.org/confluence/display/KAFKA/JMX+Reporters中提到的ganglia和Graphite等。默認使用的是JMX，最簡單的觀察方式是使用jconsole連接你的server或者client，就可以看到所有可用的metric。我自己是使用Zabbix跟JMX對接，監測一些metric，並進行報警，以下metric是值得關注的：
描述：所有的topic的消息速率(消息數/秒)
Mbean名："kafka.server":name="AllTopicsMessagesInPerSec",type="BrokerTopicMetrics"
正常的值：
描述：所有的topic的流入數據速率(字節/秒)
Mbean名："kafka.server":name="AllTopicsBytesInPerSec",type="BrokerTopicMetrics"
正常的值：
描述：producer或Fetch-consumer或Fetch-follower的請求速率(請求次數/秒)
Mbean名："kafka.network":name="{Produce|Fetch-consumer|Fetch-follower}-RequestsPerSec",type="RequestMetrics"
正常的值：
描述：所有的topic的流出數據速率(字節/秒)
Mbean名： "kafka.server":name="AllTopicsBytesOutPerSec",type="BrokerTopicMetrics"
正常的值：
描述：刷日誌的速率和耗時
Mbean名： "kafka.log":name="LogFlushRateAndTimeMs",type="LogFlushStats"
正常的值：
描述：正在做複製的partition的數量(|ISR| < |all replicas|)
Mbean名："kafka.server":name="UnderReplicatedPartitions",type="ReplicaManager"
正常的值：0
描述：當前的broker是否爲controller
Mbean名："kafka.controller":name="ActiveControllerCount",type="KafkaController"
正常的值：在集羣中只有一個broker的這個值爲1
描述：選舉leader的速率
Mbean名："kafka.controller":name="LeaderElectionRateAndTimeMs",type="ControllerStats"
正常的值：如果有broker掛了，此值非0
描述：Unclean的leader選舉速率
Mbean名："kafka.controller":name="UncleanLeaderElectionsPerSec",type="ControllerStats"
正常的值：0
描述：該broker上的partition的數量
Mbean名： "kafka.server":name="PartitionCount",type="ReplicaManager"
正常的值：應在各個broker中平均分佈
描述：Leader的replica的數量
Mbean名： "kafka.server":name="LeaderCount",type="ReplicaManager"
正常的值：應在各個broker中平均分佈
描述：ISR的收縮(shrink)速率
Mbean名："kafka.server":name="ISRShrinksPerSec",type="ReplicaManager"
正常的值：如果一個broker掛掉了，一些partition的ISR會收縮。當那個broker重新起來時，一旦它的replica完全跟上，ISR會擴大(expand)。除此之外，正常情況下，此值和下面的擴大速率都是0。
描述：ISR的擴大(expansion)速率
Mbean名： "kafka.server":name="ISRExpandsPerSec",type="ReplicaManager"
正常的值：參見ISR的收縮(shrink)速率
描述：follower落後leader replica的最大的消息數量
Mbean名："kafka.server":name="([-.\w]+)-MaxLag",type="ReplicaFetcherManager"
正常的值：小於replica.lag.max.messages
描述：每個follower replica落後的消息速率
Mbean名："kafka.server":name="([-.\w]+)-ConsumerLag",type="FetcherLagMetrics"
正常的值：小於replica.lag.max.messages
描述：等待producer purgatory的請求數
Mbean名："kafka.server":name="PurgatorySize",type="ProducerRequestPurgatory"
正常的值：如果ack=-1，應爲非0值
描述：等待fetch purgatory的請求數
Mbean名："kafka.server":name="PurgatorySize",type="FetchRequestPurgatory"
正常的值：依賴於consumer的fetch.wait.max.ms的設置
描述：一個請求(producer,Fetch-Consumer,Fetch-Follower)耗費的所有時間
Mbean名："kafka.network":name="{Produce|Fetch-Consumer|Fetch-Follower}-TotalTimeMs",type="RequestMetrics"
正常的值：包括了queue, local, remote和response send time
描述：請求(producer,Fetch-Consumer,Fetch-Follower)在請求隊列中的等待時間
Mbean名："kafka.network":name="{Produce|Fetch-Consumer|Fetch-Follower}-QueueTimeMs",type="RequestMetrics"
正常的值：
描述：請求(producer,Fetch-Consumer,Fetch-Follower)在leader處理請求花的時間
Mbean名："kafka.network":name="{Produce|Fetch-Consumer|Fetch-Follower}-LocalTimeMs",type="RequestMetrics"
正常的值：
描述：請求(producer,Fetch-Consumer,Fetch-Follower)等待follower花費的時間
Mbean名："kafka.network":name="{Produce|Fetch-Consumer|Fetch-Follower}-RemoteTimeMs",type="RequestMetrics"
正常的值：producer的ack=-1時，非0才正常
描述：發送響應花費的時間
Mbean名："kafka.network":name="{Produce|Fetch-Consumer|Fetch-Follower}-ResponseSendTimeMs",type="RequestMetrics"
正常的值：
描述：consumer落後producer的消息數量
Mbean名："kafka.consumer":name="([-.\w]+)-MaxLag",type="ConsumerFetcherManager"
正常的值：
建議對GC耗時和其他參數和諸如系統CPU，I/O時間等等進行監控。在client端，建議對"消息數量/字節數"的速率(全局的和對於每一個topic)，請求的"速率/大小/耗時"進行監控。還有consumer端，所有partition的最大的落後情況和最小的fetch請求的速率。consumer爲了能跟上，最大落後數量需要少於一個threshold並且最小fetch速率需要大於0.