kafka消费者组负载均衡本质是分区到消费者的动态映射，确保“一区一消”且负载均等；内置range、roundrobin、sticky三种分配策略，分别适用于简单单主题、多主题均订、频繁扩缩容场景；再平衡由成员变更、分区增减或心跳超时触发，协作式再平衡与group.instance.id可减少中断和无效再平衡。
Kafka 消费者组的负载均衡，本质是分区（Partition）到消费者（Consumer）的自动、动态映射过程，目标是让组内每个消费者承担大致相当的工作量，同时保证“一个分区只由一个消费者消费”这一强一致性前提。
分区分配策略决定均衡效果
Kafka 提供三种内置策略，通过 partition.assignment.strategy 配置，不同场景下表现差异明显：
RangeAssignor（范围分配）
按主题单独处理：把每个主题的分区按序号排序，再平均分给消费者。比如主题 A 有 7 个分区、组内 3 个消费者，分配结果可能是 C0→P0-P2、C1→P3-P4、C2→P5-P6。
优点是简单高效；缺点是多主题时容易失衡——若主题 B 也有 7 分区，所有“余数分区”可能都落到同一消费者上，造成实际负载倾斜。RoundRobinAssignor（轮询分配）
先合并所有订阅主题的全部分区，再按顺序轮询分给消费者。例如组内 2 个消费者，订阅了 T1（3 分区）、T2（2 分区），合并后共 5 个分区，轮询结果通常是 C0 得 3 个、C1 得 2 个。
跨主题更均衡，但要求所有消费者订阅的主题列表完全一致，否则分配可能异常或不生效。StickyAssignor（粘性分配）
Kafka 0.11+ 默认推荐策略。它不是每次都重算，而是在满足均衡的前提下，尽可能保留现有分配关系。比如 C0 原本消费 P0 和 P1，新增 C2 后，只迁移 P1 给 C2，P0 仍归 C0。
显著减少再平衡时的分区迁移，缩短消费中断时间，特别适合容器环境或频繁扩缩容的场景。
再平衡（Rebalance）是动态均衡的核心机制
当以下任一情况发生时，整个消费者组会触发再平衡：
- 有消费者加入或意外退出（如 Pod 重启、进程崩溃）
- 订阅主题的分区数量变更（如手动增加分区）
- 消费者心跳超时（
session.timeout.ms默认 10 秒）
再平衡期间，所有消费者暂停拉取，等待 Coordinator 协调完成新分配。这个过程虽必要，但频繁发生会直接拖慢整体吞吐。因此关键优化点包括：
- 设置
heartbeat.interval.ms为session.timeout.ms的 1/3（如 3s / 10s），避免误判离线 - 确保单次
poll()处理耗时远小于max.poll.interval.ms（默认 5 分钟），防止被踢出组 - Kafka 2.4+ 支持协作式再平衡（Cooperative Rebalance），配合
CooperativeStickyAssignor可实现增量调整，无需全局暂停
静态成员资格降低无效再平衡
Kafka 2.3 引入 group.instance.id，为消费者赋予唯一且稳定的实例身份。即使该消费者重启，只要 ID 不变，Coordinator 就认为它是“同一个成员”，不会触发再平衡。这对长周期任务、状态化消费逻辑非常实用，配置方式很简单：
group.instance.id=worker-node-001
实际部署中容易忽略的细节
- 所有副本必须使用相同的
group.id，否则每个实例都自成一组，消息被重复全量消费； - 分区数是负载上限：若主题只有 4 个分区，即使起 10 个消费者，也最多 4 个在工作，其余闲置；
-
client.id虽不参与分配逻辑，但建议设置有意义的值，便于监控和日志追踪。
不复杂但容易忽略。
