指标定义
Kafka JMX、协议 Exporter 与 Recording Rule 指标字典。
Kafka JMX、协议 Exporter 与 Recording Rule 指标字典。
KAFKA 模块使用两类指标源，都注册在同一 job=kafka 采集任务下：JMX 目标（带 role 标签）采集每个 JVM 的内部状态；协议 Exporter 目标（无 role 标签）通过 Kafka 协议采集逻辑集群、Topic、Partition 与 Consumer Group 状态。协议 Exporter 只放在 kafka_seq 最小的至多两个 Broker-capable 节点上，单 Broker 集群只运行一个。
JMX 配置采用白名单，只导出 JVM 基线和有界的 Broker、复制、请求路径与 KRaft 指标；高基数的 per-client 与 per-partition JMX MBean 被有意排除，Partition 详情由协议 Exporter 提供。
公共标签
| 指标源 | 公共标签 |
|---|---|
JMX 目标（:9404） |
job, cls, ins, ip, instance, role, node_id |
协议 Exporter 目标（:9308） |
job, cls, ins, ip, instance |
两类目标的 job 都是 kafka；是否携带 role 标签是区分两类序列的依据。
部分指标还有 topic、partition、broker、consumergroup、request、version、error、quantile、state 或 operation 等维度。
可用性与抓取指标
| 指标 | 类型 | 含义 |
|---|---|---|
kafka_up |
Gauge/Recording | JMX 目标抓取可用性：up{job="kafka",role=~".+"} |
kafka_exporter_up |
Gauge/Recording | 协议 Exporter 目标抓取可用性：up{job="kafka",role=""} |
up |
Gauge | VictoriaMetrics 对原始 Target 的抓取状态 |
jmx_scrape_error |
Gauge | JMX Exporter 最近一次抓取是否出错，健康值为 0 |
jmx_scrape_duration_seconds |
Gauge | JMX 抓取耗时 |
jmx_scrape_cached_beans |
Gauge | JMX Exporter 缓存的 MBean 数量 |
scrape_duration_seconds |
Gauge | VictoriaMetrics 抓取 Exporter 的耗时 |
scrape_samples_scraped |
Gauge | 本次抓取的样本数量 |
协议 Exporter 指标
以下指标来自协议 Exporter 目标。同一集群的多个 Exporter 会看到相同的逻辑集群状态，直接做集群聚合时必须按语义去重，不能简单把所有 ins 相加。
Broker 与 Topic
| 指标 | 类型 | 关键维度 | 含义 |
|---|---|---|---|
kafka_brokers |
Gauge | 集群 | Exporter 发现的 Broker 数量 |
kafka_broker_info |
Gauge | id, address 等 |
Broker 信息，以值 1 携带标签 |
kafka_topic_partitions |
Gauge | topic |
Topic 的 Partition 数量 |
kafka_topic_partition_current_offset |
Gauge | topic, partition |
Partition 当前 Log End Offset |
kafka_topic_partition_oldest_offset |
Gauge | topic, partition |
Partition 当前最早可读 Offset |
kafka_topic_partition_leader |
Gauge | topic, partition |
当前 Leader Broker ID；无 Leader 时用于识别异常 |
kafka_topic_partition_replicas |
Gauge | topic, partition, broker |
分配给 Partition 的副本集合 |
kafka_topic_partition_in_sync_replica |
Gauge | topic, partition, broker |
当前 ISR 成员 |
kafka_topic_partition_under_replicated_partition |
Gauge | topic, partition |
Partition 是否处于副本不足状态 |
kafka_topic_partition_leader_is_preferred |
Gauge | topic, partition |
当前 Leader 是否为 Preferred Replica |
current_offset - oldest_offset 可以估计当前可保留的 Offset Span，但 Offset 数量不等于字节数，Compact Topic 也不等于精确消息条数。
Consumer Group
| 指标 | 类型 | 关键维度 | 含义 |
|---|---|---|---|
kafka_consumergroup_members |
Gauge | consumergroup |
Group 当前成员数 |
kafka_consumergroup_current_offset |
Gauge | consumergroup, topic, partition |
Group 已提交 Offset |
kafka_consumergroup_current_offset_sum |
Gauge | consumergroup, topic |
已提交 Offset 汇总 |
kafka_consumergroup_lag |
Gauge | consumergroup, topic, partition |
Partition 级消费滞后 |
kafka_consumergroup_lag_sum |
Gauge | consumergroup, topic |
Group/Topic 消费滞后汇总 |
没有提交 Offset 的临时消费者、使用外部 Offset 存储的客户端，或尚未消费某 Topic 的 Group，不一定产生这些时间序列。
Exporter 自身
| 指标 | 类型 | 含义 |
|---|---|---|
kafka_exporter_build_info |
Gauge | Exporter 版本、Revision 与构建信息 |
process_* |
Gauge/Counter | Exporter 进程 CPU、内存、FD、启动时间等 |
go_* |
Gauge/Counter | Exporter Go Runtime、GC、Goroutine 与内存状态 |
promhttp_metric_handler_* |
Counter | /metrics 请求处理状态 |
JMX：JVM 基线
excludeJvmMetrics: false 使 JMX Exporter 暴露标准 JVM/进程指标。Kafka Instance Dashboard 主要使用：
| 指标 | 含义 |
|---|---|
jvm_memory_used_bytes |
按 Heap/Non-Heap 与 Memory Pool 划分的已用内存 |
jvm_memory_committed_bytes |
JVM 已提交内存 |
jvm_memory_max_bytes |
JVM 可用最大内存 |
jvm_gc_collection_seconds_count |
GC 次数 |
jvm_gc_collection_seconds_sum |
GC 累计耗时 |
jvm_threads_state |
按线程状态统计的线程数 |
jvm_threads_deadlocked |
检测到的死锁线程循环数 |
jvm_buffer_pool_used_bytes |
Direct/Mapped Buffer Pool 使用量 |
process_cpu_seconds_total |
Kafka JVM 累计 CPU 时间 |
process_open_fds / process_max_fds |
已打开与最大文件描述符 |
process_start_time_seconds |
Kafka JVM 启动时间 |
JMX：Broker 流量
| 指标 | 类型 | 含义 |
|---|---|---|
kafka_server_broker_messages_in_total |
Counter | Broker 接收的消息总数 |
kafka_server_broker_bytes_in_total |
Counter | Broker 接收的客户端字节总数 |
kafka_server_broker_bytes_out_total |
Counter | Broker 发送的客户端字节总数 |
kafka_server_broker_replication_bytes_in_total |
Counter | Broker 接收的复制字节总数 |
kafka_server_broker_replication_bytes_out_total |
Counter | Broker 发送的复制字节总数 |
kafka_server_broker_produce_requests_total |
Counter | Produce 请求总数 |
kafka_server_broker_failed_produce_requests_total |
Counter | 失败 Produce 请求总数 |
kafka_server_broker_fetch_requests_total |
Counter | Fetch 请求总数 |
kafka_server_broker_failed_fetch_requests_total |
Counter | 失败 Fetch 请求总数 |
这些是 Broker 总量，不包含 Topic 维度，避免 JMX Series 随 Topic 数膨胀。Topic 级 Offset 与进展来自协议 Exporter。
JMX：复制与存储
| 指标 | 类型 | 含义 |
|---|---|---|
kafka_server_replica_manager_under_replicated_partitions |
Gauge | ISR 少于已分配副本的 Partition 数 |
kafka_server_replica_manager_under_min_isr_partitions |
Gauge | ISR 低于 min.insync.replicas 的 Partition 数 |
kafka_server_replica_manager_at_min_isr_partitions |
Gauge | ISR 恰好等于 min.insync.replicas 的 Partition 数 |
kafka_server_replica_manager_offline_replicas |
Gauge | 当前 Broker 上离线副本数 |
kafka_server_replica_manager_partitions |
Gauge | 当前 Broker 承载的副本数 |
kafka_server_replica_manager_leaders |
Gauge | 当前 Broker 领导的 Partition 数 |
kafka_server_replica_manager_isr_shrinks_total |
Counter | ISR 收缩事件总数 |
kafka_server_replica_manager_isr_expands_total |
Counter | ISR 扩张事件总数 |
kafka_server_replica_manager_failed_isr_updates_total |
Counter | ISR 更新失败总数 |
kafka_server_replica_manager_reassigning_partitions |
Gauge | 正在进行 Reassignment 的 Leader Partition 数 |
kafka_server_delayed_operation_purgatory_size |
Gauge | 按 operation 划分的延迟操作等待数 |
kafka_log_manager_offline_log_directories |
Gauge | Kafka 标记为离线的日志目录数 |
Under Replicated 表示副本没有全部同步；Under Min ISR 更严重，表示写入可用性或持久性条件已经低于设置的最小 ISR。At Min ISR 虽未越线，但已经没有额外副本余量。
JMX：请求路径
| 指标 | 类型 | 额外标签 | 含义 |
|---|---|---|---|
kafka_network_request_total |
Counter | request, version |
各 Kafka API 请求总数 |
kafka_network_request_errors_total |
Counter | request, error |
各 API/错误码响应错误总数 |
kafka_network_request_total_time_seconds |
Gauge | request, version, quantile |
API 总耗时 P50/P95/P99 |
kafka_network_request_queue_size |
Gauge | － | 等待 Request Handler 的请求数 |
kafka_network_response_queue_size |
Gauge | － | 等待 Network Processor 的响应数 |
kafka_server_request_handler_idle_ratio |
Gauge | － | Request Handler 平均空闲比例 |
kafka_network_processor_idle_ratio |
Gauge | － | Network Processor 平均空闲比例 |
排查高延迟时，应同时查看请求量、错误码、P95/P99、两个队列、Handler/Processor Idle、GC、CPU、磁盘 I/O 与网络。单独看到低 Idle 不足以判断瓶颈位置。
JMX：KRaft 与 Broker 元数据
| 指标 | 类型 | 含义 |
|---|---|---|
kafka_server_raft_state |
Gauge | 当前成员的 KRaft 状态，以 state 标签表示 |
kafka_server_raft_current_leader |
Gauge | 当前 KRaft Leader Node ID，-1 表示未知 |
kafka_server_raft_current_epoch |
Gauge | 当前 KRaft Epoch |
kafka_server_raft_high_watermark |
Gauge | 元数据日志 High Watermark |
kafka_server_raft_log_end_offset |
Gauge | 元数据日志 Log End Offset |
kafka_server_broker_metadata_last_applied_record_lag_seconds |
Gauge | Broker 应用元数据记录的时间滞后 |
kafka_server_broker_metadata_load_errors_total |
Counter | Broker 加载元数据错误总数 |
kafka_server_broker_metadata_apply_errors_total |
Counter | Broker 应用元数据镜像错误总数 |
kafka_server_metadata_snapshot_bytes |
Gauge | 最近生成或加载的元数据 Snapshot 大小 |
kafka_server_metadata_snapshot_age_seconds |
Gauge | 最近元数据 Snapshot 的年龄 |
log_end_offset - high_watermark 可辅助判断元数据提交滞后；还应结合成员角色、当前 Leader、Epoch 和 Controller 事件延迟判断。
JMX：Controller
这些 MBean 只存在于带 Controller 角色的 Kafka 进程中：
| 指标 | 类型 | 含义 |
|---|---|---|
kafka_controller_active_controller_count |
Gauge | Active Controller 上为 1，其他 Controller 为 0 |
kafka_controller_fenced_broker_count |
Gauge | Active Controller 观察到的 Fenced Broker 数 |
kafka_controller_active_broker_count |
Gauge | Active Broker 数 |
kafka_controller_global_topic_count |
Gauge | Controller 观察到的 Topic 数 |
kafka_controller_global_partition_count |
Gauge | Controller 观察到的 Partition 数 |
kafka_controller_offline_partition_count |
Gauge | 离线的非内部 Partition 数 |
kafka_controller_preferred_replica_imbalance_count |
Gauge | Leader 不是 Preferred Replica 的 Partition 数 |
kafka_controller_metadata_errors_total |
Counter | Controller 元数据处理错误总数 |
kafka_controller_last_applied_record_lag_seconds |
Gauge | Controller 应用元数据记录的时间滞后 |
kafka_controller_timed_out_broker_heartbeats_total |
Counter | Broker Heartbeat 超时总数 |
kafka_controller_elections_total |
Counter | 本节点观察到的新 Active Controller 选举总数 |
kafka_controller_unclean_leader_elections_total |
Counter | 不干净 Leader 选举总数 |
kafka_controller_event_queue_time_seconds |
Gauge | Controller 事件排队 P50/P95/P99 |
kafka_controller_event_processing_time_seconds |
Gauge | Controller 事件处理 P50/P95/P99 |
健康集群应恰好存在一个 Active Controller。offline_partition_count、metadata_errors_total 与 unclean_leader_elections_total 的增加都应优先处理。
Recording Rule 指标
Offset 进展
| 指标 | 聚合层级 | 窗口 | 含义 |
|---|---|---|---|
kafka:topic:msg_rate1m |
Topic | 1m | Exporter 间去重后的 Current Offset 正向增长速率 |
kafka:topic:msg_rate5m |
Topic | 5m | Exporter 间去重后的 Current Offset 正向增长速率 |
kafka:cls:msg_rate1m |
逻辑集群 | 1m | Exporter 间去重后的消息追加速率 |
kafka:cls:msg_rate5m |
逻辑集群 | 5m | Exporter 间去重后的消息追加速率 |
kafka:csg_topic:commit_rate5m |
Group/Topic | 5m | Commit Offset 正向增长速率 |
kafka:csg_topic:lag |
Group/Topic | 当前值 | Partition Lag 去重后汇总 |
kafka:csg:lag |
Consumer Group | 当前值 | Group 跨 Topic 总 Lag |
kafka:cls:lag |
逻辑集群 | 当前值 | 集群跨 Consumer Group 总 Lag |
JVM 与 Broker
| 指标 | 含义 |
|---|---|
kafka:ins:jvm_heap_used_ratio |
Heap Used / Heap Max |
kafka:ins:jvm_cpu_cores |
5 分钟 JVM CPU Core 消耗 |
kafka:ins:load |
实例最忙请求线程池的饱和度 |
kafka:cls:load |
集群实例平均负载 |
kafka:ins:jvm_gc_time_rate5m |
5 分钟 GC 时间速率 |
kafka:ins:messages_in_rate5m |
5 分钟 Broker 消息接收速率 |
kafka:ins:bytes_in_rate5m |
5 分钟 Broker 客户端入站字节速率 |
kafka:ins:bytes_out_rate5m |
5 分钟 Broker 客户端出站字节速率 |
kafka:ins:request_error_rate5m |
5 分钟非 NONE 请求错误速率 |
kafka:cls:under_replicated_partitions |
集群 Under Replicated Partition 总数 |
kafka:cls:offline_partitions |
集群 Offline Partition 数 |
基数与解释注意事项
- 不要把同一
cls的多个kafka_exporter结果直接求和；它们可能是同一集群视图的副本。 kafka_topic_partition_current_offset是 Offset，不是精确字节、请求或业务事件数量。- Consumer Lag 只覆盖 Kafka 中可见且已提交 Offset 的 Group。
- 纯 Controller 缺少 Broker 指标和协议 Exporter 指标属于正常角色差异；未被选择的 Broker 没有协议 Exporter 指标也属于正常放置结果。
- 某个 MBean 在具体 Kafka 版本/角色中不存在时，对应 JMX Series 也不会出现；应结合
role判断。 - per-client/per-partition JMX 指标被白名单排除，以避免不可预测的时间序列基数。
Dashboard 与告警使用方式参阅 监控告警。