我们最近遇到了一个问题，Kafka 代理遇到了阻止 IO 的内核问题（但我猜能够向 Zookeeper 发送心跳）。这样做的结果是 Kafka Broker 留在 ISR 集中，但实际上无法完成任何任务。
问题是： 1）有没有关于Kafka在发出心跳之前检查什么的文档，或者它只是愚蠢地发出心跳（我看到https://cwiki.apache.org/confluence/display/KAFKA/A+Guide+To+The +Kafka+协议，但是好像只是提到了协议，没有讲心跳前实际检查的内容）。
2）就我而言，即使所有请求都失败，Kafka 仍在心跳。有没有办法在Kafka中使用更深的心跳来检查请求成功率等？或者我们是否需要使用外部工具，例如https://github.com/pinterest/doctorkafka，https://www.slideshare.net/JiangjieQin/introduction-to-kafka-cruise-control-68180931或 https://github.com/yahoo/kafka-manager
对于第二点，Kafka 代理会发出大量指标。如果在您的情况下，代理停止处理请求，那么从许多指标中应该可以明显看出这一点，例如每秒的基本字节输入/输出或网络/磁盘 IO。
始终监控您的 Kafka 集群非常重要，以便能够了解当事情停止工作时发生了什么。网上有几篇好文章列出了最重要的 Kafka、主机和 JVM 指标，例如：
关于你的第一个问题，我不知道你在问什么。您链接到的页面是 Kafka 协议。它仅详细说明 Kafka 客户端和代理如何交互。它不涵盖 Kafka 和 Zookeeper 之间的任何交互。
我们在 kubernetes 中为 Kafka 构建了以下健康检查机制，这解决了我们之前的很多问题。
startupProbe:
exec:
command:
- sh
- '-c'
- >
[[ "$(kafka-broker-api-versions --bootstrap-server
localhost:9092 | grep 9092 | wc -l)" == "3" ]] || { echo >&2
"Broker count is not 3"; exit 1; } && [[ "$(curl -s
kafka-controller-headless.my-namespace:9102/metrics
| grep
kafka_controller_kafkacontroller_preferredreplicaimbalancecount
| tail -n 1 | grep -o '[^ ]\+$')" == "0.0" ]] || { echo >&2
"Replica Imbalance not 0"; exit 1; }
这里的“kafka-controller-headless.my-namespace”是“控制器”（KRAFT）的kubernetes服务名称
它的作用是：