Kafka 1.0集群单节点硬件故障后无Leader分区（Leader=-1）的无重启恢复方案咨询

咱们现在碰到的是Kafka 1.0版本3节点集群的典型问题：其中一台broker因为硬件故障挂了，导致部分分区出现Leader=-1的状态——也就是这些分区失去了主节点，没法正常处理读写请求。先看看你提供的topic描述输出里的异常情况：

Topic: topic_moner_givec_toc    Partition: 5    Leader: -1      Replicas: 1001,1000,1002    Isr: 1001
Topic: topic_moner_givec_toc    Partition: 11   Leader: -1      Replicas: 1001,1000,1002    Isr: 1000,1002
Topic: topic_moner_givec_toc    Partition: 19   Leader: -1      Replicas: 1000,1001,1002    Isr: 1000,1002
Topic: topic_moner_givec_toc    Partition: 29   Leader: -1      Replicas: 1001,1000,1002    Isr: 1001

可以看到这些异常分区分为两类，得分别处理，而且咱们不用重启任何在线的broker，具体方案如下：

一、ISR列表包含在线节点的分区（比如Partition11、19） #

这类分区的ISR里有正常运行的broker（1000、1002），理论上Kafka控制器应该自动触发leader选举，但可能因为元数据同步延迟或者其他小问题没触发。咱们可以通过触发控制器重新计算topic元数据来解决，操作很简单：

• 先用kafka-configs.sh给目标topic临时修改一个无关配置（比如消息保留时间），触发元数据更新：

  kafka-configs.sh --zookeeper <你的ZK集群地址> --alter --entity-type topics --entity-name topic_moner_givec_toc --add-config retention.ms=86400001
  

• 然后再改回原来的retention.ms值（记得提前记好原来的配置）：

  kafka-configs.sh --zookeeper <你的ZK集群地址> --alter --entity-type topics --entity-name topic_moner_givec_toc --add-config retention.ms=<原保留时间值>
  

这个操作会让控制器重新扫描该topic的所有分区，自动从在线的ISR节点中选出新的leader，完全不用重启broker。

二、ISR列表仅包含故障节点的分区（比如Partition5、29） #

这类分区的ISR只有挂掉的1001，Kafka默认不会从ISR外选leader（防止数据丢失），所以得手动干预，分两种情况：

情况1：集群已开启unclean.leader.election.enable=true #

如果你的集群已经开启了这个配置，那只要等待一会儿，控制器会自动从副本列表里选一个在线的broker当leader。不过这个配置会有数据丢失风险——新leader可能没有故障节点上未同步的最新消息，要提前和业务方确认风险。

情况2：集群未开启unclean.leader.election.enable（默认关闭） #

这种情况得手动修改ZK里的分区状态，把在线节点加入ISR，让控制器能选举leader，步骤如下：

1. 连接到ZK集群：

   zkCli.sh -server <你的ZK集群地址>
   

2. 找到目标分区的ZK状态节点，比如Partition5的路径是：

   /brokers/topics/topic_moner_givec_toc/partitions/5/state
   

3. 读取当前状态（注意记录controller_epoch的值，这个不能改）：

   get /brokers/topics/topic_moner_givec_toc/partitions/5/state
   

   输出类似：{"controller_epoch":12,"leader":-1,"version":1,"leader_epoch":0,"isr":[1001]}
4. 修改ISR列表，加入在线的节点（比如1000），保持其他字段不变，然后写回ZK：

   set /brokers/topics/topic_moner_givec_toc/partitions/5/state '{"controller_epoch":12,"leader":-1,"version":1,"leader_epoch":0,"isr":[1000,1001]}'
   

5. 完成后，控制器会检测到ZK里的状态变化，自动从新的ISR（1000）中选出leader。

⚠️ 注意：手动修改ZK有风险，操作前一定要备份相关节点数据，确保controller_epoch和原数据一致，避免破坏集群元数据。

额外注意事项 #

• 所有操作都不需要重启在线的broker，完全符合你的需求
• 对于ISR仅含故障节点的情况，无论哪种方法都可能存在数据丢失，一定要提前评估业务影响
• 因为是Kafka 1.0版本，确实不支持ELECT_LEADERS命令，所以上述是这个版本下最可行的无重启方案

备注：内容来源于stack exchange，提问作者Judy