ThingsBoard CE Kafka集群配置优化指南
2025-05-12 20:21:24作者:仰钰奇
概述
在ThingsBoard CE 3.8.1单机版部署中,使用Kafka作为消息队列时,为了提升系统处理能力和高可用性,将单节点Kafka迁移到3节点集群是一个常见的优化方案。本文将详细介绍如何配置ThingsBoard CE与Kafka集群的集成参数,确保系统能够处理更高负载并实现数据冗余。
配置参数详解
基础配置
首先需要设置基本的Kafka连接参数:
export TB_QUEUE_TYPE=kafka
export TB_KAFKA_SERVERS=localhost:9092,localhost:9093,localhost:9094
TB_QUEUE_TYPE指定使用Kafka作为消息队列,TB_KAFKA_SERVERS列出了所有Kafka节点的地址和端口。
性能调优参数
export TB_QUEUE_KAFKA_MAX_POLL_RECORDS=256
export TB_KAFKA_ACKS=1
export TB_KAFKA_COMPRESSION_TYPE=gzip
export TB_KAFKA_BATCH_SIZE=65536
export TB_KAFKA_LINGER_MS=1
这些参数优化了Kafka的生产者和消费者性能:
MAX_POLL_RECORDS控制每次poll操作获取的最大记录数ACKS=1确保领导者broker确认收到消息COMPRESSION_TYPE启用gzip压缩减少网络传输量BATCH_SIZE和LINGER_MS优化批量发送性能
集群高可用配置
export TB_QUEUE_KAFKA_REPLICATION_FACTOR=3
设置REPLICATION_FACTOR=3确保每个分区的数据在集群中有3个副本,可以容忍单个broker故障。
主题配置
ThingsBoard使用多个Kafka主题处理不同类型的消息,每个主题可以独立配置:
export TB_QUEUE_KAFKA_RE_TOPIC_PROPERTIES="retention.ms:604800000;segment.bytes:26214400;retention.bytes:1073741824;partitions:1;min.insync.replicas:1"
export TB_QUEUE_KAFKA_CORE_TOPIC_PROPERTIES="retention.ms:604800000;segment.bytes:26214400;retention.bytes:1073741824;partitions:1;min.insync.replicas:1"
export TB_QUEUE_KAFKA_TA_TOPIC_PROPERTIES="retention.ms:604800000;segment.bytes:26214400;retention.bytes:1073741824;partitions:10;min.insync.replicas:1"
主要配置项说明:
retention.ms: 消息保留时间(毫秒),604800000=7天segment.bytes: 单个日志段大小(字节),26214400=25MBretention.bytes: 主题最大保留数据量,1073741824=1GBpartitions: 分区数量,根据消息类型设置1或10min.insync.replicas: 最小同步副本数,通常设置为1
实施建议
- 在修改配置前,建议备份现有Kafka数据
- 修改配置后重启ThingsBoard服务,系统会自动创建新主题
- 对于高吞吐量场景,可以适当增加分区数量
- 根据实际硬件资源调整segment大小和保留策略
注意事项
- 确保Kafka集群所有节点正常运行
- 监控Kafka集群性能指标,必要时调整参数
- 对于生产环境,建议
min.insync.replicas设置为2以提高数据安全性
通过以上配置,ThingsBoard CE可以充分利用Kafka集群的高吞吐量和高可用特性,满足企业级物联网平台的需求。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
541
3.77 K
Ascend Extension for PyTorch
Python
351
419
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
889
615
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
338
186
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
988
253
openGauss kernel ~ openGauss is an open source relational database management system
C++
169
233
暂无简介
Dart
778
194
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
115
141
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.35 K
759