在aws ec2示例上运行kafka集群时，我经常遇到一个问题。
描述
kafka群集版本0.10.1.0
3经纪人集群
主题每个代理有6个分区
示例类型为m4.xlarge
症状
以下事件将在随机的时间间隔内随机发生
从日志中我可以收集到以下信息：
在随机代理上缩减集群内复制（我想这可能是一个临时的网络故障，但无法提供证据）
系统在02:27:20开始显示几乎没有活动（注意，这与负载无关，因为它发生在非常安静的时间）

从这里开始，这个kafka代理不会处理imo期望的消息，因为它退出了集群复制。
现在真正的问题出现了，因为close\u wait中的连接数不断增加，直到达到系统/进程的配置极限，最终导致kafka进程崩溃。
现在，我一直在改变限制，看看Kafka最终是否会再次加入isr之前崩溃，但即使有一个非常高的限制，Kafka似乎只是停留在一个奇怪的状态，永远无法恢复。
请注意，在出现故障的代理独立运行和崩溃之间，kafka正在倾听，而kafka是生产者。
在这一次崩溃中，我可以从制作人那里看到320个这样的错误：

java.util.concurrent.ExecutionException: org.springframework.kafka.core.KafkaProducerException: Failed to send; nested exception is org.apache.kafka.common.errors.NotLeaderForPartitionException: This server is not the leader for that topic-partition.

配置是默认的，使用是非常标准的，我想知道我是否遗漏了什么。
我设置了一个脚本来检查kafka文件描述符的数量，并在服务异常高的时候重新启动服务，虽然现在这样做了，但当服务崩溃时仍然会丢失消息。
任何帮助我们弄清真相的人都将不胜感激。