Kafka 与 ZooKeeper 滚动升级及回滚实施方案
一、方案概述
（一）升级目标
-
版本升级：Kafka 集群从 2.2.0 滚动升级至 3.7.0，ZooKeeper 集群升级至 3.8.4
-
服务连续性：升级期间保持消息生产消费不中断
-
验证指标：
-
消息格式兼容性（旧 Producer / 新 Broker、新 Producer / 旧 Broker 互操作）
-
消息零丢失（生产消费数量一致性校验）
-
元数据完整保留（Topic 配置、消费者组偏移量等）
-
可靠回滚能力（4 小时内完成单节点回滚，数据恢复率 100%）
（二）集群架构
| 组件 | 旧版本 | 新版本 | 节点数 | 数据存储目录 | 依赖关系 |
|---|---|---|---|---|---|
| Kafka | 2.2.0 | 3.7.0 | N 个 | /data/kafka/logs | 依赖 ZooKeeper |
| ZooKeeper | 3.4.13 | 3.8.4 | M 个 | /data/zookeeper/data, /logs | 独立集群 |
二、升级前准备（新增回滚相关）
（一）全量数据备份策略
- ZooKeeper 备份
-
备份内容：
myid文件、事务日志（version-2 目录）、快照文件（snapshot.*） -
脚本：
# 单节点备份脚本（执行于每个ZooKeeper节点）
BACKUP\_DIR=/backup/zookeeper/\$(date +%Y%m%d%H%M%S)
mkdir -p \$BACKUP\_DIR
cp -r /data/zookeeper/data \$BACKUP\_DIR/
cp -r /data/zookeeper/logs \$BACKUP\_DIR/
cp /etc/zookeeper/conf/zoo.cfg \$BACKUP\_DIR/
- 存储要求：备份保留 7 天，异地存储 3 份
- Kafka 备份
-
备份内容：
-
Broker 配置文件（server.properties）
-
日志数据（log.dirs 目录下所有文件，含__consumer_offsets）
-
集群元数据（/brokers 节点数据，通过 zkCli 导出）
-
-
脚本：
\# 单节点Kafka备份（执行于每个Broker节点）
BROKER\_ID=\$(grep 'broker.id=' /etc/kafka/server.properties | awk -F'=' '{print \$2}')
BACKUP\_DIR=/backup/kafka/\${BROKER\_ID}/\$(date +%Y%m%d%H%M%S)
mkdir -p \$BACKUP\_DIR/config \$BACKUP\_DIR/logs
cp /etc/kafka/server.properties \$BACKUP\_DIR/config/
cp -r \$(grep 'log.dirs=' /etc/kafka/server.properties | awk -F'=' '{print \$2}')/\* \$BACKUP\_DIR/logs/
（二）版本兼容性矩阵
| 场景 | 兼容性状态 | 验证方法 | 参考文档 |
|---|---|---|---|
| 旧 Producer -> 新 Broker | 兼容 | 发送 V1 格式消息到新 Broker | Kafka 版本兼容性文档 |
| 新 Producer -> 旧 Broker | 兼容 | 发送 V2 格式消息到旧 Broker（需配置） | Kafka 客户端协议文档 |
| 旧 Consumer -> 新 Broker | 兼容 | 使用旧客户端消费新 Broker 数据 | Consumer API 文档 |
（三）回滚工具链准备
- 自动化回滚脚本
-
编写 shell 脚本
rollback_node.sh，支持参数：节点类型（zk/kafka）、节点 ID、备份时间戳 -
功能包括：服务停止、旧版本安装包恢复、数据文件替换、配置文件还原
- 一致性校验工具
-
ZooKeeper：
zkEnv.sh`` checkquorum校验集群节点一致性 -
Kafka：
kafka-run-class.sh`` kafka.log.LogVerifier校验日志文件完整性
三、ZooKeeper 滚动升级（含回滚流程）
（一）单节点升级步骤（以节点 ZK-01 为例）
- 预检查
-
确认节点角色：
zkServer.sh`` status记录角色（Leader/Follower） -
备份当前数据：执行
zk_backup.sh`` ZK-01
- 停止服务
-
非 Leader 节点直接停止：
zkServer.sh`` stop -
Leader 节点处理：等待新 Leader 选举完成（通过
zkCli.sh`` stat /确认 Leader 变更）
- 升级操作
-
替换安装包：删除旧目录
/opt/zookeeper-3.4.13，解压 3.8.4 安装包 -
配置迁移：保留
zoo.cfg中的数据目录配置，新增maxSessionTimeout等参数
- 启动验证
-
启动服务：
zkServer.sh`` start -
状态校验：
-
zkCli.sh`` stat /确认节点加入集群 -
监控日志：检查
zookeeper.out中无Unrecognized configuration等错误
-
（二）回滚触发条件（满足任一条件启动回滚）
-
节点启动后 5 分钟内未加入集群
-
zkCli.sh`` get /brokers/ids返回数据缺失超 30% -
集群节点状态不一致（Leader/Follower 数量异常）
（三）ZooKeeper 回滚步骤（基于备份时间戳 202505221500）
- 停止新版本服务
/opt/zookeeper-3.8.4/bin/zkServer.sh stop
- 恢复旧版本
-
解压旧安装包到原目录：
tar -xzf zookeeper-3.4.13.tar.gz -C /opt/ -
替换配置文件：
cp /backup/zookeeper/202505221500/zoo.cfg /opt/zookeeper-3.4.13/conf/
- 数据恢复
rm -rf /data/zookeeper/data/\* /data/zookeeper/logs/\*
cp -r /backup/zookeeper/202505221500/data/\* /data/zookeeper/data/
cp -r /backup/zookeeper/202505221500/logs/\* /data/zookeeper/logs/
- 启动验证
-
检查 myid 一致性：
cat /data/zookeeper/data/myid应等于节点 ID -
集群状态校验：通过
zkCli.sh确认所有旧节点正常通信
四、Kafka 滚动升级（含回滚流程）
（一）单 Broker 升级步骤（以 Broker-001 为例）
- 负载迁移
-
手动触发分区重平衡（可选）：
kafka-reassign-partitions.sh`` --reassign-json-file rebalance.json --zookeeper <zk_hosts> -
确认该 Broker 非首选 Leader：
kafka-preferred-replica-election.sh`` --zookeeper <zk_hosts>
- 停止服务
/opt/kafka-2.2.0/bin/kafka-server-stop.sh force
# 强制停止前通过JMX确认无活跃连接（可配置超时30秒）
- 升级操作
-
安装包替换：解压 3.7.0 到
/opt/kafka-3.7.0，保留旧目录作为回滚备份 -
配置调整：
# server.properties新增配置
inter.broker.protocol.version=3.7 # 强制使用最新协议
log.message.format.version=3.7 # 消息格式升级（可选，根据兼容性需求）
- 启动验证
-
启动服务：
/opt/kafka-3.7.0/bin/``kafka-server-start.sh`` -daemon /etc/kafka/server.properties -
核心校验：
-
kafka-topics.sh`` --describe --topic test_topic确认分区状态为ISR -
生产消费测试：5 分钟内发送 10 万条消息，验证吞吐量≥80MB/s
-
（二）回滚触发条件（满足任一条件启动回滚）
-
升级后 Broker 无法连接 ZooKeeper（超 5 分钟）
-
消息消费出现 CRC 校验错误（连续 10 条以上）
-
__consumer_offsets分区数据不一致（通过kafka-consumer-groups.sh对比偏移量）
（三）Kafka 回滚步骤（基于 Broker-001 的 202505221530 备份）
- 停止新版本服务
/opt/kafka-3.7.0/bin/kafka-server-stop.sh
- 恢复旧版本
-
移除新版本目录：
rm -rf /opt/kafka-3.7.0 -
恢复旧安装包：从备份复制旧目录
/backup/kafka/001/202505221530/old_version/到/opt/kafka-2.2.0
- 数据恢复
# 停止后删除当前日志目录（确保回滚到备份点）
rm -rf \$(grep 'log.dirs=' /etc/kafka/server.properties | awk -F'=' '{print \$2}')/\*
cp -r /backup/kafka/001/202505221530/logs/\* \$(grep 'log.dirs=' /etc/kafka/server.properties | awk -F'=' '{print \$2}')/
- 一致性校验
-
日志文件校验：
kafka-run-class.sh`` kafka.log.LogVerifier --log-dirs /data/kafka/logs -
元数据对比：使用
kafka-topics.sh`` --describe确认 Topic 配置与备份记录一致
五、升级验证体系（新增回滚验证）
（一）消息兼容性验证矩阵
| 验证场景 | 预期结果 | 执行频率 | 工具 / 命令 |
|---|---|---|---|
| 旧 Producer -> 新 Broker | 消息接收率 100% | 每节点升级后 | kafka-console-producer.sh |
| 新 Producer -> 旧 Broker | 消息接收率≥99.9% | 回滚后验证 | 配置api.version.request=2.2 |
| 跨版本消费者组同步 | 偏移量正常提交 | 持续监控 | kafka-consumer-groups.sh |
（二）消息丢失验证流程
- 基准测试
-
启动压测工具：
kafka-producer-perf-test.sh`` --topic test_topic --num-records 1000000 -
消费端同步校验：使用
kafka-consumer-perf-test.sh`` --topic test_topic --group rollback_test
- 差异分析
-
计算生产消费差值：
produced_records - consumed_records ≤ 0.01% -
异常处理：若差值 > 1%，通过
kafka-log-dump.sh解析日志确认丢失分区
（三）元数据保留验证清单
| 元数据类型 | 验证点 | 对比方法 | 允许差异 |
|---|---|---|---|
| Topic 配置 | 分区数、副本因子、清理策略 | 升级前后describe输出对比
| 0 |
| 消费者组 | 偏移量、成员列表、协议版本 | list-groups+describe | 仅时间戳变化 |
| Broker 元数据 | 节点 ID、监听端口、日志目录 | ls /brokers/ids 内容对比
| 0 |
（四）回滚能力验证
- 单节点回滚时间
-
目标：ZooKeeper≤30 分钟，Kafka≤60 分钟
-
测试方法：模拟升级失败场景，记录从触发回滚到服务恢复的时间
- 数据一致性校验
-
回滚后对比备份文件与当前数据的 MD5 值
-
验证消费者组偏移量与回滚前记录一致（误差≤1 条，因可能存在未提交偏移）
六、风险控制与应急预案
（一）关键风险点
| 风险场景 | 发生概率 | 影响程度 | 应对措施 |
|---|---|---|---|
| ZooKeeper 集群脑裂 | 5% | 服务中断 | 启用仲裁机制（确保节点数为奇数） |
| Kafka 日志格式不兼容 | 3% | 消费失败 | 提前设置log.message.format.version=2.2 |
| 回滚脚本执行错误 | 2% | 数据丢失 | 手动恢复备份前先做完整性校验 |
（二）应急预案
- 集群不可用
-
立即停止所有升级操作，启动 ZooKeeper 集群回滚（优先恢复 3 个节点达成仲裁）
-
通过 VIP 切换流量到备用集群（若有），确保业务流量不中断
- 元数据损坏
-
使用 ZooKeeper 的
zkCli.sh`` restore命令从快照恢复 -
对 Kafka 集群执行分区重建（通过
kafka-reassign-partitions.sh）
七、实施时间计划
| 阶段 | 时间窗口 | 关键任务 | 负责人 |
|---|---|---|---|
| 准备阶段 | D-3 ~ D-1 | 备份验证、脚本测试、资源申请 | 运维组 |
| ZooKeeper 升级 | D 日 00:00-04:00 | 节点依次升级（每节点 60 分钟） | 运维组 |
| Kafka 升级 | D 日 05:00-15:00 | 节点依次升级（每节点 90 分钟） | 开发组 |
| 回滚演练 | D+1 09:00-11:00 | 模拟 Broker 升级失败并执行回滚 | 测试组 |
八、附录：关键命令速查表
| 操作类型 | ZooKeeper 命令 | Kafka 命令 |
|---|---|---|
| 状态查看 | zkServer.sh status | kafka-topics.sh --describe |
| 数据备份 | 见备份脚本部分 | 见备份脚本部分 |
| 强制停止服务 | zkServer.sh stop force | kafka-server-stop.sh force |
| 日志校验 | zkEnv.sh checkquorum | kafka-log-dump.sh --verify |
| 消费者组检查 | 通过 Kafka 命令间接检查 | kafka-consumer-groups.sh --describe |
2142
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
