渐进式rebalance

第一步：所有成员都向coordinator发送请求，请求入组。一旦所有成员都发送了请求，coordinator会从中选择一个consumer担任leader的角色，并把组成员信息以及订阅信息发给leader。

第二步：leader开始分配消费方案，指明具体哪个consumer负责消费哪些topic的哪些partition。一旦完成分配，leader会将这个方案发给coordinator。coordinator接收到分配方案之后会把方案发给各个consumer，这样组内的所有成员就都知道自己应该消费哪些分区了。

（2）以下的场景会触发Consumer Rebalance操作：

①新的消费者加入Consumer Group；②有消费者主动退出Consumer Group；③Consumer Group订阅的任何一个Topic出现分区数量的变化。

（3）默认情况下，Kafka提供了两种分配策略： Range 和 RoundRobin 。

Range策略 ：①对一个topic中的partition进行排序；②对消费者按字典进行排序；③遍历排序后的partition的方式分配给消费者。

例子：有两个消费者C0和C1，两个topic(t0,t1)，每个topic有三个分区p(0-2)，那么采用Range策略，分配出的结果为：

C0: [t0-p0, t0-p1, t1-p0, t1-p1]

C1: [t0-p2, t1-p2]

RoundRobin 策略：RoundRobin策略和Range策略类型，唯一的区别就是 Range策略分配partition时，是按照topic逐次划分的 。 RoundRobin策略则是将所有topic的所有分区一起排序，然后遍历partition分配给消费者 。

例子：有两个消费者C0和C1，两个topic(t0,t1)，每个topic有三个分区p(0-2)，那么采用RoundRobin策略，分配出的结果为：

C0: [t0-p0, t0-p2, t1-p1]

C1: [t0-p1, t1-p0, t1-p2]

（4）Kafka对消息的分配是以Partition为单位分配的，而非以每一条消息作为分配单元。这样设计的劣势：无法保证同一个Consumer Group里的Consumer均匀消费数据。优势：①每个Consumer不用都跟大量的Broker通信，减少通信开销；②降低了分配难度，实现也更简单；③因为同一个Partition里的数据是有序的，这种设计可以保证每个Partition里的数据可以被有序消费。

如果某Consumer Group中Consumer实例数量少于Partition数量，则至少有一个Consumer会消费多个Partition的数据，如果Consumer的数量与Partition数量相同，则正好一个Consumer消费一个Partition的数据。而如果Consumer的数量多于Partition的数量时，会有部分Consumer无法消费该Topic下任何一条消息。

3.非线程安全的Kafka Consumer实现多线程消费

（1）线程封闭，即为每个线程实例化一个Consumer对象。说明：一个线程对应一个Consumer 实例，称之为消费线程。一个消费线程可以消费一个或多个分区中的消息，所有的消费线程都隶属于同一个消费组。