一、硬件考量
1.1、内存
不建议为kafka分配超过5g的heap，因为会消耗28-30g的文件系统缓存，而是考虑为kafka的读写预留充足的buffer。Buffer大小的快速计算方法是平均磁盘写入数量的30倍。推荐使用64GB及以上内存的服务器，低于32GB内存的机器可能会适得其反，导致不断依赖堆积机器来应付需求增长。（我们在生产环境使用的机器是64G内存的，但也看到LinkedIn用了大量28G内存的服务器。）
1.2、CPU
kafka不算是CPU消耗型服务，在主频和CPU核数之间，选择后者，将会获得多核带来的更好的并发处理性能。
1.3、磁盘
毋庸置疑，RAID是优先推荐的，它在底层实现了物理磁盘的负载均衡和冗余，虽然会牺牲一些磁盘空间和写入性能。更进一步，我们推荐在配置中使用多目录，每个目录挂在在不同的磁盘（或者RAID）上。需要注意的是，NAS是不可取的，无论供应商如何吹嘘他们的NAS的卓越性能。另外，我们经常看到用户咨询kafka是否一定要采用SSD，答案是没有必要。
1.4网络
分布式系统中，网络的速度和可靠性异常重要，千兆甚至万兆网络现在应该成为数据中心的标配。避免kafka集群出现跨数据中心的情况，更要避免有很大的物理空间跨度，尤其中国还有诡异的联通电信问题。kafka集群中各个节点地位均等，一旦因为延时导致分布式集群不稳定，排错尤其困难。
1.5、文件系统
ext4是最佳选择。
1.6、其它
在硬件越来越强大和云计算如火如荼的今天，你需要在超高配置的服务器和IaaS供应商的数百个虚拟机之间做取舍。我们建议使用中等配置的服务器，因为集群规模越大，单台超高配置的服务器运行的节点越多，集群稳定性随之下降，复杂度则会上升。
二、JVM的考虑
对于java应用，jvm和gc是绕不过去的坎。实践表明，官方JDK1.7u51会是一个不错的选择，配合以G1来做垃圾回收。推荐配置可参考：
-Xms4g -Xmx4g -XX:PermSize=48m -XX:MaxPermSize=48m -XX:+UseG1GC-XX:MaxGCPauseMillis=20 -XX:InitiatingHeapOccupancyPercent=35
注：kafka版本更新会带来变化。请随时关注。我们现在的版本是kafka_2.11-0.8.2.1
三、File descriptors
kafka会使用大量文件和网络socket，所以，我们需要把file descriptors的默认配置改为100000。修改方法如下：
#vi /etc/sysctl.conf
fs.file-max = 32000
#vi /etc/security/limits.conf
yourusersoftnofile10000
youruserhardnofile30000
四、关键配置项解读
尽管默认配置已经很不错，但出于性能和实际集群部署情况，我们还是需要讲解一些重要的配置项。除此之外，如果对某个默认参数存在质疑，在详细了解改参数的作用前，建议采用默认配置。
4.1、zookeeper.connect
必配参数，建议在kafka集群的每天机器都配置所有zk。
4.2、broker.id
必配参数。集群节点的标示符，不得重复。取值范围0~n。
4.3、log.dirs
建议参照文章前面描述的磁盘配置，不要使用默认的“/tmp/kafka-logs”
4.4、advertised.host.name
注册到zk供用户使用的主机名。内网环境通常无需配置，而IaaS一般需要配置为公网地址。默认为“host.name”，可以通过java.net.InetAddress.getCanonicalHostName()接口获取该值。
4.5、advertised.port
注册到zk供用户使用的服务端口，通常在IaaS环境需要额外配置。
4.6、num.partitions
自动创建topic的默认partition数量。默认是1，为了获得更好的性能，建议修改为更大。最优取值参考后文。
4.7、default.replication.factor
自动创建topic的默认副本数量，官方建议修改为2；但通常一个副本就足够了。
4.8、min.insync.replicas
ISR提交生成者请求的最小副本数。
4.9、unclean.leader.election.enable
是否允许不具备ISR资格的replicas选举为leader作为不得已的措施，甚至不惜牺牲部分数据。默认允许。建议允许。数据异常重要的情况例外。
4.10、controlled.shutdown.enable
在kafka收到stop命令或者异常终止时，允许自动同步数据。建议开启。
五、动态调整配置
大部分kafka配置是写死在properties文件里的。然而，许多关于topic的参数我们可以动态调配，kafka-topic.sh工具提供了该功能，更改将一直生效直到服务器重启。可以调整的参数如下：
unclean.leader.election.enable：不严格的leader选举，有助于集群健壮，但是存在数据丢失风险。
min.insync.replicas：如果同步状态的副本小于该值，服务器将不再接受request.required.acks为-1或all的写入请求。
max.message.bytes：单条消息的最大长度。如果修改了该值，那么replica.fetch.max.bytes和消费者的fetch.message.max.bytes也要跟着修改。
cleanup.policy：生命周期终结数据的处理，默认删除。
flush.messages：强制刷新写入的最大缓存消息数。
flust.ms：强制刷新写入的最大等待时长。
还有segment.bytes、segment.ms、retention.bytes、retention.ms和segment.jitter.ms。详见官方解释。
六、性能优化技巧
6.1、配置合适的partitons数量。
这似乎是kafka新手必问得问题。首先，我们必须理解，partiton是kafka的并行单元。从producer和broker的视角看，向不同的partition写入是完全并行的；而对于consumer，并发数完全取决于partition的数量，即，如果consumer数量大于partition数量，则必有consumer闲置。所以，我们可以认为kafka的吞吐与partition时线性关系。partition的数量要根据吞吐来推断，假定p代表生产者写入单个partition的最大吞吐，c代表消费者从单个partition消费的最大吞吐，我们的目标吞吐是t，那么partition的数量应该是t/p和t/c中较大的那一个。实际情况中，p的影响因素有批处理的规模，压缩算法，确认机制和副本数等，然而，多次benchmark的结果表明，单个partition的最大写入吞吐在10MB/sec左右；c的影响因素是逻辑算法，需要在不同场景下实测得出。
这个结论似乎太书生气和不实用。我们通常建议partition的数量一定要大于等于消费者的数量来实现最大并发。官方曾测试过1万个partition的情况，所以不需要太担心partition过多的问题。下面的知识会有助于读者在生产环境做出最佳的选择：
a、一个partition就是一个存储kafka-log的目录。
b、一个partition只能寄宿在一个broker上。
c、单个partition是可以实现消息的顺序写入的。
d、单个partition只能被单个消费者进程消费，与该消费者所属于的消费组无关。这样做，有助于实现顺序消费。
e、单个消费者进程可同时消费多个partition，即partition限制了消费端的并发能力。
f、partition越多则file和memory消耗越大，要在服务器承受服务器设置。
g、每个partition信息都存在所有的zk节点中。
h、partition越多则失败选举耗时越长。
k、offset是对每个partition而言的，partition越多，查询offset就越耗时。
i、partition的数量是可以动态增加的（只能加不能减）。
我们建议的做法是，如果是3个broker的集群，有5个消费者，那么建议partition的数量是15，也就是broker和consumer数量的最小公倍数。当然，也可以是一个大于消费者的broker数量的倍数，比如6或者9，还请读者自行根据实际环境裁定。
本文摘自：http://www.jianshu.com/p/8689901720fd