能否强制中止Kafka事务？长超时配置遗留僵尸事务读阻塞如何解决

问题核心是故障发生时transaction.max.timeout.ms被设置为7天，未完成的僵尸事务的超时阈值同步被设为7天，Kafka事务协调器默认需要等待事务超时后才会主动中止，因此必须手动干预推进LSO。

方案1：使用官方工具手动中止事务（Kafka 2.8+ 推荐） #

Kafka 2.8及以上版本自带kafka-transactions.sh运维脚本，可直接操作事务状态：

• 首先列出所有处于进行中的僵尸事务：

./kafka-transactions.sh --bootstrap-server <broker地址:端口> list --state Ongoing

输出结果包含事务ID、所属协调器节点、剩余超时时间等字段。

• 单独中止指定僵尸事务：

./kafka-transactions.sh --bootstrap-server <broker地址:端口> abort --transactional-id <目标事务ID>

• 批量中止所有进行中的僵尸事务：

./kafka-transactions.sh --bootstrap-server <broker地址:端口> list --state Ongoing | awk '{print $1}' | grep -v TRANSACTIONAL_ID | xargs -I {} ./kafka-transactions.sh --bootstrap-server <broker地址:端口> abort --transactional-id {}

操作完成后等待2分钟左右，事务协调器会批量更新事务状态，LSO会自动推进到当前分区高水位，read_committed消费者即可正常读取数据。

方案2：低版本Kafka替代方案 #

如果集群版本低于2.8，无kafka-transactions.sh工具，可通过重启事务协调器节点触发清理：

1. 先查询__transaction_state内部主题的分区分配，定位所有事务协调器所在的broker：

./kafka-topics.sh --bootstrap-server <broker地址:端口> --describe --topic __transaction_state

2. 先将集群的transaction.max.timeout.ms调整为合理值（默认15分钟），再逐台重启协调器所在的broker。重启过程中协调器会重新加载事务元数据，已经没有关联生产者实例的僵尸事务会被判定为超时，自动中止。

方案3：测试集群极端清理方案（生产环境禁用） #

如果是测试集群，可直接清理事务元数据强制恢复：
将内部主题__transaction_state的retention.ms临时设置为1000，等待1分钟后改回原有配置，所有事务元数据会被清空，未完成的事务会被默认判定为中止，LSO会直接推进到高水位。
该操作会丢失所有进行中的事务状态，可能导致生产环境数据一致性问题，仅可用于测试集群

注意事项 #

你之前调整业务主题的retention.ms不生效的原因是：LSO的计算逻辑完全依赖__transaction_state中存储的事务状态，和业务数据是否被清理没有关联，因此就算业务数据被删除，只要事务状态仍为进行中，LSO就不会推进。
问题修复后务必将transaction.max.timeout.ms调整为不超过1小时的合理值，避免后续再出现同类故障。

内容的提问来源于stack exchange，提问作者Karl