kafka-consumer-groups.sh --bootstrap-server kafka:9092 --describe --group log-sink kafka-topics.sh --bootstrap-server kafka:9092 --describe --topic app-log
日志平台里最新一条记录的时间和服务器当前时间差 90 秒，Kafka 的 consumer lag 显示 60 万。业务侧 15 秒就能出结果，运维排查时看到的却是两分钟前的状态。先别急着动参数，把报错原文和时间点记下来，顺序反了容易白折腾。
原因不复杂，采集端按批发送，批大小 1M、linger 5 秒，高峰期吞吐不够就开始堆积。消费端只有一个分区在消费，分区数 3 但两个副本没分配。lag 上去之后延迟按线性增长，不会自己回落。
「采集端到端延迟」排查到最后往往是很小的一处差异，前面那些复杂猜测可以先放一放。改完隔一天再看一次，当场正常不代表能稳住。
测试环境和线上的差别，往往就在版本号和那几行被忽略的配置上。
处理上按这个顺序：先看 lag 曲线 确认是生产快还是消费慢；把消费并发提到分区数 别让分区空着；调大批量发送的压缩 减少网络往返；用一条带时间戳的测试日志 量端到端的秒数。
改完只确认一件事：lag 回到 1 万以内，测试日志从产生到可查的延迟在 10 秒内。