使用Jmeter压测Kafka：https://www.blazemeter.com/blog/apache-kafka-how-to-load-test-with-jmeter/
Kafka压力测试(写入MQ消息压测和消费MQ消息压测）：https://blog.csdn.net/laofashi2015/article/details/81111466
kafka内置压测：
//生产压测
bin/kafka-producer-perf-test.sh --topic test_perf --num-records 1000 --record-size 2000 --throughput 10 --producer-props bootstrap.servers=localhost:9092
//消费压测
bin/kafka-consumer-perf-test.sh --broker-list localhost:9092 --topic test_perf --fetch-size 10 --messages 1000 --threads 2
ticle/details/853351521.测试目的
本次性能测试在正式环境下单台服务器上Kafka处理MQ消息能力进行压力测试。测试包括对Kafka写入MQ消息和消费MQ消息进行压力测试，根据10w、100w和1000w级别的消息处理结果，评估Kafka的处理性能是否满足项目需求。（该项目期望Kafka能够处理上亿级别的MQ消息）
2.测试范围及方法
2.1测试范围概述
测试使用Kafka自带的测试脚本，通过命令对Kafka发起写入MQ消息和Kafka消费MQ消息的请求。模拟不同数量级的MQ消息写入和MQ消息消费场景，根据Kafka的处理结果，评估Kafka是否满足处理亿级以上的消息的能力。
2.2性能测试场景设计
2.2.1Kafka写入消息压力测试
测试场景
MQ消息数
每秒写入消息数
记录大小(单位:字节)
Kafka消息写入测试
10W
2000条
1000
100W
5000条
1000
1000W
5000条
1000
2.2.2Kafka消费消息压力测试
测试场景
消费MQ消息数
Kafka消息消费测试
10W
100W
1000W
2.3测试方法简要描述
2.3.1测试目的
验证带台服务器上Kafka写入消息和消费消息的能力，根据测试结果评估当前Kafka集群模式是否满足上亿级别的消息处理能力。
2.3.2测试方法
在服务器上使用Kafka自带的测试脚本，分别模拟10w、100w和1000w的消息写入请求，查看Kafka处理不同数量级的消息数时的处理能力，包括每秒生成消息数、吞吐量、消息延迟时间。Kafka消息吸入创建的topic命名为test_perf，使用命令发起消费该topic的请求，查看Kafka消费不同数量级别的消息时的处理能力。
压测命令信息：
测试项
压测消息数（单位:W）
测试命令
写入MQ消息
10
./kafka-producer-perf-test.sh --topic test_perf --num-records 100000 --record-size 1000 --throughput 2000 --producer-props bootstrap.servers=10.150.30.60:9092
100
./kafka-producer-perf-test.sh --topic test_perf --num-records 1000000 --record-size 2000 --throughput 5000 --producer-props bootstrap.servers=10.150.30.60:9092
1000
./kafka-producer-perf-test.sh --topic test_perf --num-records 10000000 --record-size 2000 --throughput 5000 --producer-props bootstrap.servers=10.150.30.60:9092
消费MQ消息
10
./kafka-consumer-perf-test.sh --zookeeper localhost:2181 --topic test_perf --fetch-size 1048576 --messages 1000000 --threads 1
100
./kafka-consumer-perf-test.sh --zookeeper localhost:2181 --topic test_perf --fetch-size 1048576 --messages 10000000 --threads 1
1000
./kafka-consumer-perf-test.sh --zookeeper localhost:2181 --topic test_perf --fetch-size 1048576 --messages 10000000 --threads 1
脚本执行目录：服务器上安装Kafka的bin目录；
3.测试环境
3.1测试环境机器配置表
主 机
数量
资 源
操作系统
MQ消息服务
1
硬件：8(核)-32768(M)-100(G)
软件:Kafka集群(Kafka_2.11-0.10.1.0)
centos7.3
MQ消息处理
1
硬件：8(核)-32768(M)-100(G)
软件:Kafka集群(Kafka_2.11-0.10.1.0)
centos7.3
测试机配置
1
硬件：8(核)-32768(M)-100(G)
软件：node（V6.11.3）运行环境、jdk1.8、tomcat8、nginx
centos7.3
3.2 测试工具
Kafka压测工具
Kafka自带压测脚本
4.测试结果
4.1测试结果说明
本次测试针对Kafka消息处理的能力 进行压力测试，对Kafka集群服务器中的一台进行MQ消息服务的压力测试，关注Kafka消息写入的延迟时间是否满足需求。对Kafka集群服务器中的一台进行MQ消息处理的压力测试，验证Kafka的消息处理能力。
4.2测试结果
4.2.1写入MQ消息
测试项
设置消息总数
（单位:w）
设置单个消息大小
（单位:字节）
设置每秒发送消息数
实际写入消息数/秒
95%的消息延迟
(单位:ms)
写入MQ消息
10
1000
2000
1999.84
1
100
1000
5000
4999.84
1
1000
1000
5000
4999.99
1
压测结果截图
写入10w消息压测结果
写入100w消息压测结果
写入1000w消息压测结果
kafka-producer-perf-test.sh 脚本命令的参数解析（以100w写入消息为例）：
--topic topic名称，本例为test_perf
--num-records 总共需要发送的消息数，本例为100000
--record-size 每个记录的字节数，本例为1000
--throughput 每秒钟发送的记录数，本例为5000
--producer-props bootstrap.servers=localhost:9092 （发送端的配置信息，本次测试取集群服务器中的一台作为发送端,可在kafka的config目录，以该项目为例：/usr/local/kafka/config；查看server.properties中配置的zookeeper.connect的值，默认端口：9092）
MQ消息写入测试结果解析：
本例中写入100w条MQ消息为例，每秒平均向kafka写入了4.77MB的数据，大概是4999.875条消息/秒，每次写入的平均延迟为1毫秒，最大的延迟为647毫秒，1ms内占99%。
4.2.2消费MQ消息
消费MQ消息
消费消息总数
（单位:w）
共消费数据
（单位:M)
每秒消费数据
（单位:M)
每秒消费消息数
消费耗时
（单位:s)
消费MQ消息
10
95.36
137
143899.3
0.695
100
953.66
177.19
185804.5
5.38
1000
9536.73
198.25
207878.6
48.11
压测结果截图
消费10w消息压测结果
消费100w消息压测结果
消费1000w消息压测结果
kafka-consumer-perf-test.sh 脚本命令的参数为：
--zookeeper 指定zookeeper的链接信息，本例为localhost:2181 ；
--topic 指定topic的名称，本例为test_perf，即4.2.1中写入的消息；
--fetch-size 指定每次fetch的数据的大小，本例为1048576，也就是1M
--messages 总共要消费的消息个数，本例为1000000，100w
以本例中消费100w条MQ消息为例总共消费了953.66M的数据，每秒消费数据大小为177.19M，总共消费了10000004条消息，每秒消费185804.53条消息。
5.结果分析
根据4.2.测试结果，可以看出在单台服务器上，写入MQ消息设置5000条/秒时，消息写入及时，95%的消息延迟时间小于等于1ms，在可接受范围内；Kafka消费MQ消息时，1000W待处理消息的处理能力在每秒20w条以上，处理结果理想。
根据Kafka处理10w、100w和1000w级的消息时的处理能力，可以评估出Kafka集群服务，是否有能力处理上亿级别的消息。
本次测试是在正式环境集群服务中的单台服务器上进行，基本不需要考虑网络带宽的影响。所以单台服务器的测试结果，对评估集群服务是否满足上线后实际应用的需求，很有参考价值。