Auf dieser Seite
Die meisten Kafka-Cluster sehen auf dem Dashboard gesund aus – bis zu dem Moment, in dem sie es nicht mehr tun.
Das ist kein Versagen des Monitorings. Monitoring bildet die Gegenwart ab. Bei einem Health Check geht es um die Bedingungen, die noch nicht eingetreten sind – der Broker, der noch nicht ausgefallen ist, der Rebalance, der noch keine Kettenreaktion ausgelöst hat, die Traffic-Spitze, die noch nicht gekommen ist – und darum, ob das Design des Clusters sie übersteht.
Wenn Sie diese Prüfung lieber für sich durchführen lassen möchten, statt nur darüber zu lesen, sehen Sie sich unseren Service Kafka Health Check an.
Topic- und Partitionsdesign
Das Erste, was man prüfen sollte, denn es lässt sich später am schwersten ändern und ist am häufigsten falsch.
- Partitionszahlen, die festgelegt wurden, als der Workload noch anders aussah. Zu wenige, und die Parallelität der Consumer ist gedeckelt, ganz gleich, wie viele Instanzen Sie hinzufügen. Zu viele, und Sie zahlen mit Metadaten-Overhead, längeren Rebalancings und längerer Recovery-Zeit nach einem Broker-Ausfall.
- Verteilung der Keys. Ob der Partitionierungsschlüssel die Last tatsächlich verteilt oder ob eine Partition einen unverhältnismäßig großen Anteil trägt, weil die Keys ungleich verteilt sind. Hot Partitions sehen aus wie ein Performanceproblem von Kafka und sind in Wahrheit ein Designproblem.
- Wildwuchs bei Topics. Organisch gewachsene Landschaften sammeln Topics an, für die niemand zuständig ist, mit Einstellungen, die niemand gewählt hat, aufbewahrt aus Gründen, an die sich niemand erinnert.
Replikation und Dauerhaftigkeit
Hier gilt es, die Lücke zu finden zwischen dem, was das Unternehmen über Datenverlust glaubt, und dem, was die Konfiguration tatsächlich garantiert.
- Replikationsfaktor und min.insync.replicas zusammen bestimmen, wie viele Broker-Ausfälle Sie überstehen, ohne bestätigte Schreibvorgänge zu verlieren. Ein Replikationsfaktor von drei mit min.insync.replicas von eins leistet nicht das, was die meisten annehmen.
- Die acks-Einstellungen der Producer müssen dazu passen. Eine auf Dauerhaftigkeit ausgelegte Topic-Konfiguration mit Producern, die acks=1 verwenden, ist ein häufiger und unauffälliger Widerspruch.
- Rack- bzw. Availability-Zone-Awareness. Drei Replikate, die alle in derselben Fehlerdomäne gelandet sind, sind in Wahrheit ein einziges Replikat in Verkleidung.
- Unclean Leader Election. Ob sie aktiviert ist – und ob das jemand bewusst so entschieden hat.
Consumer-Verhalten und Kapazität
- Die Konfiguration der Consumer Groups ist der Punkt, an dem aus beherrschbaren Incidents Ausfälle werden. Session Timeouts, Heartbeat-Intervalle und maximale Poll-Intervalle, die bei normaler Last unproblematisch sind, können einen Rebalance-Sturm garantieren, sobald sich die Verarbeitung verlangsamt. Die Mechanik dahinter erklärt der Beitrag Warum Kafka Consumer Groups ein Rebalancing durchlaufen.
- Lag-Muster im Zeitverlauf, nicht der Lag im Moment. Ein Consumer, der sich nur langsam von einem Lag erholt, verrät etwas über die Reserven, das ein Dashboard mit Momentanwerten nicht zeigt. Siehe Consumer Lag diagnostizieren.
- Retention im Verhältnis zum Plattenwachstum. Retention-Einstellungen, gemessen an den tatsächlichen Wachstumsraten, mit einem Datum, wann die Platten voll sind.
- Reserven bei Brokern und Controllern, einschließlich der Frage, ob der Cluster den Verlust eines Brokers bei Spitzenlast übersteht – nicht im Durchschnitt.
- Versionsstand und Upgrade-Planung, besonders für alle, die noch auf ZooKeeper laufen. Siehe Produktionsreife von KRaft.
Wie gute Ergebnisse aussehen
Eine priorisierte Liste, keine Bestandsaufnahme.
- Sofort beheben: Befunde, bei denen ein einzelner Broker-Ausfall, ein routinemäßiger Neustart oder eine normale Traffic-Spitze zu Datenverlust oder einem Ausfall führt.
- Vor dem nächsten Wachstumsschritt beheben: Designentscheidungen, die heute tragen, auf der nächsten Kapazitätsstufe aber nicht mehr.
- So belassen: die Dinge, die in Ordnung sind – ausdrücklich benannt. Dieser Teil zählt: Ein Bericht, der alles beanstandet, lässt dem Team keine Möglichkeit zu entscheiden, was zuerst zu tun ist, und hundert undifferenzierte Beobachtungen bedeuten, dass die Gewichtung übersprungen wurde.
AceMQ führt Kafka Health Checks für produktive Landschaften durch und bietet im Anschluss fortlaufenden Kafka-Support. Wenn Sie wissen wollen, was brechen wird, bevor es bricht, nehmen Sie Kontakt auf.
| Priorität | Kriterium | Beispiel |
|---|---|---|
| Sofort beheben | Ein einzelner Broker-Ausfall, ein routinemäßiger Neustart oder eine normale Lastspitze führt zu Verlust oder Ausfall | Replikationsfaktor 3 mit min.insync.replicas 1 |
| Vor dem nächsten Wachstumsschritt beheben | Trägt heute, aber nicht mehr auf der nächsten Kapazitätsstufe | Partitionszahl, die die Parallelität der Consumer deckelt |
| So belassen | Tatsächlich in Ordnung – ausdrücklich benannt | Einstellungen, die zum Workload passen |
Geht es bei der Frage hinter diesem Artikel eher um Architektur als um einen akuten Incident – Partitionierungsstrategie, Dimensionierung, Security-Design, eine Migration –, setzt die Kafka-Beratung von AceMQ einen namentlich zugeordneten Senior Engineer darauf an.
Dies ist Schritt sechs von sechs im Einkaufsleitfaden für Kafka-Support, der die Entscheidung von der Frage, was ein Vertrag abdeckt, bis zu den Punkten führt, die vor der Unterschrift geklärt sein sollten.
FAQ
Was ist ein Kafka Health Check?
Eine strukturierte Prüfung eines laufenden Clusters daran, wie er tatsächlich genutzt wird – Topics und Partitionen, Replikation, Consumer-Verhalten, Kapazität, Monitoring –, mit einer priorisierten Liste dessen, was zuerst bricht.
Worin unterscheidet sich das vom Monitoring?
Monitoring bildet die Gegenwart ab. Ein Health Check bewertet Bedingungen, die noch nicht eingetreten sind – Broker-Ausfall, Rebalancing unter Last, eine Traffic-Spitze.
Welche Probleme findet er typischerweise?
Partitionszahlen, die für einen älteren Workload ausgelegt sind, Einstellungen zur Dauerhaftigkeit, die nicht zu den Annahmen des Unternehmens passen, Consumer-Einstellungen, die Rebalance-Stürme garantieren, eine Retention, die die Platten füllen wird, und ein Monitoring, das für Consumer Lag blind ist.
Wann sollten wir einen durchführen?
Vor einem Traffic-Anstieg, rund um ein Versions-Upgrade, nach einem überstandenen Incident, wenn das ursprüngliche Team nicht mehr da ist, oder regelmäßig für kritische Cluster.
Ist dafür Zugriff auf die Produktion nötig?
Einblick statt Zugriff. Konfigurationsexporte, der Zustand der Consumer Groups und die Metrikhistorie plus eine Sitzung mit Ihrem Betriebsteam reichen meist aus.
Was erhalten wir am Ende?
Befunde, gewichtet nach „sofort beheben“, „vor dem nächsten Wachstumsschritt beheben“ und „so belassen“ – jeweils mit der Fehlerbedingung und der Lösung.
Mit einem Engineer sprechen
Brauchen Sie Unterstützung bei Kafka?
Senior Engineers, die es selbst in Produktion betreiben. Fordern Sie ein Angebot oder ein kostenloses Erstgespräch an – ganz ohne Verkaufsgespräch.
Leitfäden, Vergleiche und Studien
Mehr zum Thema Kafka
Leitfäden
4Vergleiche
9- NATS vs Kafka 2026: Core NATS, JetStream und Kafka im Vergleich
- Mosquitto vs. Kafka: MQTT-Broker oder Event Log?
- Kafka vs. Kinesis im Vergleich
- Die besten Managed-Kafka-Anbieter 2026 jenseits der Hyperscaler
- Kafka-BYOC-Optionen (Bring Your Own Cloud) im Vergleich
- Alternativen zu Confluent und Wettbewerber nach der IBM-Übernahme

