Kafka的分区策略

在kafka中，每个topic一般会有很多个Partitions。为了使我们能够及时的消费消息！  我们也可能启动多个Consumer去消费分区，而每个Consumer同样会启动一个或者是多个streams去分别消费Topic里面的数据。我们又知道，在Kafka中存在着Consumer Group的概念，也就是在group.id 一样的Consumer，这些Consumer属于同一个Consumer Group，在组内所有消费者协调在一起来消费订阅主题（subscribed topics）的所有分区（partition），当然消费者在消费的时候也是有规则限定的，这个规则就是：每个分区只能被同一个消费组内的一个consumer来消费。也就是！同一个消费组里面的consumer一次不能够去消费同一个Topic的Partition。  那么问题来了，同一个Consumer Group里面的Consumer是如何知道该去消费哪些分区里面的数据呢！？

    

    就像上面图示， Consumer 1 为什么消费的是Partition0 和Partition2呢？？而不是消费的Partition0和Partition3呢？或者是其他呢！？这就涉及到Kafka内部分配策略（Partition Assignment Strategy）！

    说到Kafka分区分配策略，就是它的内部的默认的分区分配策略：Range 和 RoundRobin（轮询）。当下面的事情发生的时候，Kafka将会进行一次分区分配。

        1、当同一个Consumer Group 内新增消费者。（消费者层面发生改动）

        2、消费者离开当前所属的Consumer Group，包括Shuts down（关闭、停工）或者是crashes（崩溃）。（消费者层面发生改动）

        3、就是消费者订阅的主题新增的分区的时候！

将分区的所有权从一个消费者移到另一个消费者成为重新平衡（rebalance），如何rebalance就涉及到分区分配策略。

我们假设有一个名为Top1的主题，它有十个分区，然后我们有两个消费者（C1、C2）来消费这十个分区里面的数据，而且C1的num.streams=1，C2的num.streams=2。

下面介绍第一个默认的分区策略：Range  Startegy（根据范围消费）

    Range startegy是对每个主题而言的 ， 首先对同一个主题里面的分区按照序号进行排序，并对消费者按照字母进行排序。在对十个分区排序的话是0-9；消费者线程排完序是C1-0，C2-0，C2-1。然后用partitions的总数除以消费者的总数来决定每个消费者线程消费几个分区。如果有余数，那么前面的几个消费者线程将会多消费一个分区。在我们的例子里面，我们有十个分区，三个消费者线程，10/3=3---1，那么消费者线程C1-0    将会多消费一个分区，所以最后分区分配的结构看起来是这样的：

    C1-0将消费0,1,2,3分区

    C2-0将消费4,5,6分区

    C2-1将消费7,8,9分区

如果有第十一个分区的话，那么分区是这样的

    C1-0将消费0,1,2,3分区
    C2-0将消费4,5,6,7分区

    C2-1将消费8,9,10分区

如果我们有2个主题（T1和T2），分别都有十个分区，那么最后的分配结果是：

     C1-0将消费T1主题中的0,1,2,3分区以及T2主题中0,1,2,3分区

     C2-0将消费T1主题中的4,5,6分区以及T2主题中的4,5,6,分区

     C2-1将消费T1主题中的7,8,9分区以及T2主题中的7,8,9分区

这就是消费的策略！ 就是用总的分区数/消费者线程总数=每个消费者线程应该消费的分区数。当还有余数的时候就将余数分别分发到另外的消费组线程中。  

在这里我们不难看出来。C1-0消费者线程比其他消费者线程多消费了两个分区，这就是Range Strategy的一个明显的弊端。 当分区很多的时候，会有个别的线程压力巨大！

 

下面介绍的是第二个默认的分区策略：RoundRobin strategy（轮询的消费策略）

在使用RoundRobin Starategy的时候我们必须满足两个条件：

    1、同一个consumer Group里面的所有消费者的num.streams必须相等；

    2、每个消费者订阅的 主题必须相同

在这里我们假设2个消费者的num.streams=2.  RoundRobin starategy的工作原理： 将所有主题的分区组成TopicAndPartition列表，然后对TopAndPartition列表按照hashcode进行排序，下面是代码！

 

最后按照round-robin风格将分区分别分配给不同的消费者线程。

在我们的例子中，假如按照hashcode排序完的topic-partition组依次为T1-5,T1-3,T1-0.T1-8.T1-2,T1-1,T1-4,T1-6,T1-9，我们的消费者线程排序为C1-0, C1-1 ,C2-0,C2-1，最后分区分配结果为：

    C1-0将消费T1-5 , T1-2 , T1-6 分区；

    C1-1将消费T1-3 , T1-1 , T1-9 分区；
    C2-0将消费T1-0 , T1-4分区；

    C2-1将消费T1-8 , T1-7分区；

遗憾的是，目前我们还不能自定义分区分配策略，只能通过partition.assignment.strategy参数选择range或roundrobin。  partition.assignment.strategy参数默认的值是range。