自己公司用到了kafka作爲MQ,在使用的時候需要設置很多參數，這裏便來總結一下Kafka參數的一些配置
1、一段Kafka生產端的示例代碼
Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
props.put("buffer.memory", 67108864);
props.put("batch.size", 131072);
props.put("linger.ms", 100);
props.put("max.request.size", 10485760);
props.put("acks", "1");
props.put("retries", 10);
props.put("retry.backoff.ms", 500);
KafkaProducer<String, String> producer = new KafkaProducer<String, String>(props);
2、內存緩衝的大小（buffer.memory）
Kafka的客戶端發送數據到服務器，一般都是要經過緩衝的，也就是說，你通過KafkaProducer發送出去的消息都是先進入到客戶端本地的內存緩衝裏，然後把很多消息收集成一個一個的Batch，再發送到Broker上去的。
所以這個“buffer.memory”的本質就是用來約束KafkaProducer能夠使用的內存緩衝的大小的，他的默認值是32MB。
那麼既然瞭解了這個含義，大家想一下，在生產項目裏，這個參數應該怎麼來設置呢？
你可以先想一下，如果這個內存緩衝設置的過小的話，可能會導致一個什麼問題？
首先要明確一點，那就是在內存緩衝裏大量的消息會緩衝在裏面，形成一個一個的Batch，每個Batch裏包含多條消息。
然後KafkaProducer有一個Sender線程會把多個Batch打包成一個Request發送到Kafka服務器上去。
那麼如果要是內存設置的太小，可能導致一個問題：消息快速的寫入內存緩衝裏面，但是Sender線程來不及把Request發送到Kafka服務器。
這樣是不是會造成內存緩衝很快就被寫滿？一旦被寫滿，就會阻塞用戶線程，不讓繼續往Kafka寫消息了。
所以對於“buffer.memory”這個參數應該結合自己的實際情況來進行壓測，你需要測算一下在生產環境，你的用戶線程會以每秒多少消息的頻率來寫入內存緩衝。
比如說每秒300條消息，那麼你就需要壓測一下，假設內存緩衝就32MB，每秒寫300條消息到內存緩衝，是否會經常把內存緩衝寫滿？經過這樣的壓測，你可以調試出來一個合理的內存大小。
3、多少數據打包爲一個Batch合適？
接着你需要思考第二個問題，就是你的“batch.size”應該如何設置？這個東西是決定了你的每個Batch要存放多少數據就可以發送出去了。
比如說你要是給一個Batch設置成是16KB的大小，那麼裏面湊夠16KB的數據就可以發送了。
這個參數的默認值是16KB，一般可以嘗試把這個參數調節大一些，然後利用自己的生產環境發消息的負載來測試一下。
比如說發送消息的頻率就是每秒300條，那麼如果比如“batch.size”調節到了32KB，或者64KB，是否可以提升發送消息的整體吞吐量。因爲理論上來說，提升batch的大小，可以允許更多的數據緩衝在裏面，那麼一次Request發送出去的數據量就更多了，這樣吞吐量可能會有所提升。
但是這個東西也不能無限的大，過於大了之後，要是數據老是緩衝在Batch裏遲遲不發送出去，那麼豈不是你發送消息的延遲就會很高。比如說，一條消息進入了Batch，但是要等待5秒鐘Batch才湊滿了64KB，才能發送出去。那這條消息的延遲就是5秒鐘。所以需要在這裏按照生產環境的發消息的速率，調節不同的Batch大小自己測試一下最終出去的吞吐量以及消息的 延遲，設置一個最合理的參數。
4、要是一個Batch遲遲無法湊滿怎麼辦？
要是一個Batch遲遲無法湊滿，此時就需要引入另外一個參數了，“linger.ms”他的含義就是說一個Batch被創建之後，最多過多久，不管這個Batch有沒有寫滿，都必須發送出去了。給大家舉個例子，比如說batch.size是16kb，但是現在某個低峯時間段，發送消息很慢。這就導致可能Batch被創建之後，陸陸續續有消息進來，但是遲遲無法湊夠16KB，難道此時就一直等着嗎？當然不是，假設你現在設置“linger.ms”是50ms，那麼只要這個Batch從創建開始到現在已經過了50ms了，哪怕他還沒滿16KB，也要發送他出去了。所以“linger.ms”決定了你的消息一旦寫入一個Batch，最多等待這麼多時間，他一定會跟着Batch一起發送出去。
避免一個Batch遲遲湊不滿，導致消息一直積壓在內存裏發送不出去的情況。這是一個很關鍵的參數。這個參數一般要非常慎重的來設置，要配合batch.size一起來設置。舉個例子，首先假設你的Batch是32KB，那麼你得估算一下，正常情況下，一般多久會湊夠一個Batch，比如正常來說可能20ms就會湊夠一個Batch。那麼你的linger.ms就可以設置爲25ms，也就是說，正常來說，大部分的Batch在20ms內都會湊滿，但是你的linger.ms可以保證，哪怕遇到低峯時期，20ms湊不滿一個Batch，還是會在25ms之後強制Batch發送出去。
如果要是你把linger.ms設置的太小了，比如說默認就是0ms，或者你設置個5ms，那可能導致你的Batch雖然設置了32KB，但是經常是還沒湊夠32KB的數據，5ms之後就直接強制Batch發送出去，這樣也不太好其實，會導致你的Batch形同虛設，一直湊不滿數據。
5、最大請求大小
“max.request.size”這個參數決定了每次發送給Kafka服務器請求的最大大小，同時也會限制你一條消息的最大大小也不能超過這個參數設置的值，這個其實可以根據你自己的消息的大小來靈活的調整。
給大家舉個例子，你們公司發送的消息都是那種大的報文消息，每條消息都是很多的數據，一條消息可能都要20KB。此時你的batch.size是不是就需要調節大一些？比如設置個512KB？然後你的buffer.memory是不是要給的大一些？比如設置個128MB？
只有這樣，才能讓你在大消息的場景下，還能使用Batch打包多條消息的機制。但是此時“max.request.size”是不是也得同步增加？因爲可能你的一個請求是很大的，默認他是1MB，你是不是可以適當調大一些，比如調節到5MB？
6、重試機制
“retries”和“retries.backoff.ms”決定了重試機制，也就是如果一個請求失敗了可以重試幾次，每次重試的間隔是多少毫秒。
這個大家適當設置幾次重試的機會，給一定的重試間隔即可，比如給100ms的重試間隔。
7、持久化機制
“acks”參數決定了發送出去的消息要採用什麼樣的持久化策略，這個涉及到了很多其他的概念。
首先這個acks參數，是在KafkaProducer，也就是生產者客戶端裏設置的。也就是說，你往kafka寫數據的時候，就可以來設置這個acks參數。然後這個參數實際上有三種常見的值可以設置，分別是：0、1 和 all。
第一種選擇是把acks參數設置爲0，意思就是我的KafkaProducer在客戶端，只要把消息發送出去，不管那條數據有沒有在哪怕Partition Leader上落到磁盤，我就不管他了，直接就認爲這個消息發送成功了。
如果你採用這種設置的話，那麼你必須注意的一點是，可能你發送出去的消息還在半路。結果呢，Partition Leader所在Broker就直接掛了，然後結果你的客戶端還認爲消息發送成功了，此時就會導致這條消息就丟失了。
第二種選擇是設置 acks = 1，意思就是說只要Partition Leader接收到消息而且寫入本地磁盤了，就認爲成功了，不管他其他的Follower有沒有同步過去這條消息了。
這種設置其實是kafka默認的設置，大家請注意，劃重點！這是默認的設置也就是說，默認情況下，你要是不管acks這個參數，只要Partition Leader寫成功就算成功。
但是這裏有一個問題，萬一Partition Leader剛剛接收到消息，Follower還沒來得及同步過去，結果Leader所在的broker宕機了，此時也會導致這條消息丟失，因爲人家客戶端已經認爲發送成功了。
最後一種情況，就是設置acks=all，這個意思就是說，Partition Leader接收到消息之後，還必須要求ISR列表裏跟Leader保持同步的那些Follower都要把消息同步過去，才能認爲這條消息是寫入成功了。
如果說Partition Leader剛接收到了消息，但是結果Follower沒有收到消息，此時Leader宕機了，那麼客戶端會感知到這個消息沒發送成功，他會重試再次發送消息過去。
此時可能Partition 2的Follower變成Leader了，此時ISR列表裏只有最新的這個Follower轉變成的Leader了，那麼只要這個新的Leader接收消息就算成功了。
8、acks參數小提示
acks=all 就可以代表數據一定不會丟失了嗎？
當然不是，如果你的Partition只有一個副本，也就是一個Leader，任何Follower都沒有，你認爲acks=all有用嗎？當然沒用了，因爲ISR裏就一個Leader，他接收完消息後宕機，也會導致數據丟失。所以說，這個acks=all，必須跟ISR列表裏至少有2個以上的副本配合使用，起碼是有一個Leader和一個Follower纔可以。這樣才能保證說寫一條數據過去，一定是2個以上的副本都收到了纔算是成功，此時任何一個副本宕機，不會導致數據丟失。