生产环境kafka平滑迁移之旅，有哪些细节需要注意？

本文共计2428个文字，预计阅读时间需要10分钟。

背景：线上kafka集群，3台机器，3个broker；其中某台机器因硬件故障，需停机维修；停机意味着该机器上的服务会停止。

目标：本次kafka迁移的目标是使机器可以停机维修，同时不依赖于kafka的上线服务。

具体步骤：

1.在其他两台正常运行的机器上启动broker，确保集群的可用性。

2.将故障机器上的数据迁移到其他机器。

3.停机故障机器，进行硬件维修。

4.维修完成后，将故障机器的数据迁移回原机器，并启动broker。

背景

线上kafka集群，3台机器，3个broker；其中某台机器因为硬件故障，需要停机维修；停机意味这跑在机器上的服务会停止。所以本次做kafka迁移的目标 是机器可以停止但依赖kafka的上游和下游业务可不能停止，因为所属行业的特殊性，服务的停止，对业务的影响和伤害还蛮大的。

分析

我们知道kafka是有高可用机制的。kafka的高可用机制，是靠分区多副本来保证的 ：某个topic 的 leader分区挂了，kafka会从其它follower分区里，选择一个分区做为leader分区，继续对生产者和消费者提供读写服务。所以理论上，我们是可以停止某台机器上的kafka broker服务；kafka的broker 协调节点会自动切换其它follower分区为leader分区。

大概的过程是这样的，切换前：

切换后：

网上理论分析基本是这样了，但是以个人多年实战研发经验来看，每次的平衡迁移都不会是一次简单的事。