En esta página
La mayoría de los clústeres de Kafka parecen sanos en un dashboard hasta el momento en que dejan de estarlo.
No es un fallo de la monitorización. La monitorización refleja el presente. Un health check se ocupa de las situaciones que todavía no se han dado (el broker que aún no ha fallado, el rebalanceo que aún no se ha propagado en cascada, el pico de tráfico que aún no ha llegado) y de si el diseño del clúster las resiste.
Si prefiere que hagamos esta revisión por usted en lugar de leer sobre ella, consulte nuestro servicio de health check de Kafka.
Diseño de topics y particiones
Es lo primero que hay que examinar, porque es lo más difícil de cambiar después y lo que más a menudo está mal.
- Números de particiones elegidos cuando la carga era otra. Si son muy pocas, el paralelismo de los consumidores queda limitado por muchas instancias que añada. Si son demasiadas, lo paga en sobrecarga de metadatos, duración de los rebalanceos y tiempo de recuperación tras la caída de un broker.
- Distribución de claves. Si la clave de particionado reparte realmente la carga, o si una partición soporta una parte desproporcionada porque la clave está sesgada. Las particiones calientes parecen un problema de rendimiento de Kafka, pero son un problema de diseño.
- Proliferación de topics. Los entornos que han crecido de forma desordenada acumulan topics sin propietario, con configuraciones que nadie eligió y que se conservan por motivos que nadie recuerda.
Replicación y durabilidad
Lo que hay que buscar aquí es la distancia entre lo que el negocio cree sobre la pérdida de datos y lo que la configuración garantiza realmente.
- El replication factor y min.insync.replicas, en conjunto, determinan a cuántas caídas de brokers sobrevive con las escrituras confirmadas intactas. Un replication factor de tres con un min.insync.replicas de uno no ofrece lo que la mayoría supone.
- La configuración de acks del productor tiene que ser coherente. Una configuración de topic durable con productores que usan acks=1 es un desajuste frecuente y silencioso.
- Reconocimiento de rack o de zona de disponibilidad. Tres réplicas que han acabado todas en el mismo dominio de fallo son una sola réplica disfrazada.
- Unclean leader election. Si está activada, y si alguien tomó esa decisión de forma deliberada.
Comportamiento de los consumidores y capacidad
- La configuración de los grupos de consumidores es donde los incidentes superables se convierten en caídas del servicio. Session timeouts, intervalos de heartbeat y max poll intervals que funcionan con la carga normal pueden garantizar una tormenta de rebalanceos en cuanto el procesamiento se ralentiza. La mecánica se explica en por qué se rebalancean los grupos de consumidores de Kafka.
- Los patrones de lag a lo largo del tiempo, no el lag en este momento. Un consumidor que tarda en recuperarse del lag le está diciendo algo sobre su margen que un dashboard de valores actuales no le dirá. Consulte cómo diagnosticar el lag de consumidores.
- La retención frente al crecimiento del disco. Configuraciones de retención contrastadas con las tasas de crecimiento reales, con una fecha estimada de llenado de los discos.
- El margen de brokers y controllers, incluido si el clúster sobrevive a la pérdida de un broker en el pico, no en la media.
- La situación de versiones y actualizaciones, sobre todo para quien todavía use ZooKeeper. Consulte madurez de KRaft para producción.
Cómo es un buen resultado
Una lista priorizada, no un inventario.
- Corregir ya: hallazgos en los que la caída de un solo broker, un reinicio rutinario o un pico de tráfico normal provocan pérdida de datos o una caída del servicio.
- Corregir antes del siguiente salto de crecimiento: decisiones de diseño que hoy aguantan y no aguantarán en el siguiente nivel de capacidad.
- Dejar como está: lo que está bien, dicho de forma explícita. Esta parte importa: un informe que lo marca todo no le da al equipo forma de decidir por dónde empezar, y cien observaciones sin jerarquizar significan que se ha saltado el trabajo de priorización.
AceMQ realiza health checks de Kafka en entornos de producción y después ofrece soporte continuo de Kafka. Si quiere saber qué va a fallar antes de que falle, póngase en contacto con nosotros.
| Prioridad | Qué entra en esta categoría | Ejemplo |
|---|---|---|
| Corregir ya | La caída de un solo broker, un reinicio rutinario o un pico normal provocan pérdida de datos o una caída | Replication factor 3 con min.insync.replicas 1 |
| Corregir antes del siguiente salto de crecimiento | Aguanta hoy, no aguantará en el siguiente nivel de capacidad | Número de particiones que limita el paralelismo de los consumidores |
| Dejar como está | Está realmente bien, y se dice de forma explícita | Configuraciones acordes a la carga de trabajo |
Si la pregunta que hay detrás de este artículo es de arquitectura y no un incidente en curso (estrategia de particiones, dimensionamiento, diseño de seguridad, una migración), la consultoría de Kafka de AceMQ pone a un ingeniero sénior asignado a trabajar en ello.
Este es el paso seis de seis de la guía para contratar soporte de Kafka, que recorre la decisión desde lo que cubre un contrato hasta las preguntas que conviene dejar resueltas antes de firmar.
Preguntas frecuentes
¿Qué es un health check de Kafka?
Una revisión estructurada de un clúster en funcionamiento en función de cómo se usa realmente (topics y particiones, replicación, comportamiento de los consumidores, capacidad, monitorización) que genera una lista priorizada de lo que fallará primero.
¿En qué se diferencia de la monitorización?
La monitorización refleja el presente. Un health check evalúa situaciones que todavía no se han dado: la caída de un broker, un rebalanceo bajo carga, un pico de tráfico.
¿Qué problemas suele encontrar?
Números de particiones dimensionados para una carga anterior, configuraciones de durabilidad que no se corresponden con lo que el negocio supone, parámetros de los consumidores que garantizan tormentas de rebalanceo, una retención que llenará los discos y una monitorización que no ve el lag de los consumidores.
¿Cuándo conviene hacer uno?
Antes de un aumento de tráfico, en torno a una actualización de versión, después de un incidente superado, cuando el equipo original ya no está o de forma periódica en los clústeres críticos.
¿Requiere acceso a producción?
Visibilidad más que acceso. Las exportaciones de configuración, el estado de los grupos de consumidores y el histórico de métricas, junto con una sesión con sus operadores, suelen ser suficientes.
¿Qué se obtiene al final?
Hallazgos clasificados en corregir ya, corregir antes del siguiente salto de crecimiento y dejar como está, con la condición de fallo y la solución indicadas para cada uno.
Hablar con un ingeniero
¿Necesita ayuda con Kafka?
Ingenieros sénior que lo gestionan en producción. Solicite un presupuesto o una consulta gratuita, sin discursos comerciales.
Guías, comparativas e investigación
Profundice en Kafka
Guías
2Comparativas
9- NATS vs Kafka en 2026: comparativa de Core NATS, JetStream y Kafka
- Mosquitto vs Kafka: ¿broker MQTT o log de eventos?
- Kafka vs Kinesis: comparativa
- Mejores proveedores de Kafka gestionado en 2026, más allá de los hiperescaladores
- Comparativa de opciones de Kafka BYOC (en su propia nube)
- Alternativas a Confluent y competidores tras la adquisición por IBM

