用過 Kafka 的同學應該都知道，每個 Topic 一般會有很多個 partitions。為了使得我們能夠及時消費消息，我們也可能會啟動多個 Consumer 去消費，而每個 Consumer 又會啟動一個或多個streams去分別消費 Topic 對應分區中的數據。我們又知道，Kafka 存在 Consumer Group 的概念，也就是 group.id 一樣的 Consumer，這些 Consumer 屬於同一個Consumer Group，組內的所有消費者協調在一起來消費訂閱主題(subscribed topics)的所有分區(partition)。當然，每個分區只能由同一個消費組內的一個consumer來消費。那么問題來了，同一個 Consumer Group 里面的 Consumer 是如何知道該消費哪些分區里面的數據呢？
如果想及時了解Spark、Hadoop或者Hbase相關的文章，歡迎關注微信公共帳號： iteblog_hadoop
如上圖，Consumer1 為啥消費的是 Partition0 和 Partition2，而不是 Partition0 和 Partition3？這就涉及到 Kafka內部分區分配策略（Partition Assignment Strategy）了。
在 Kafka 內部存在兩種默認的分區分配策略：Range 和 RoundRobin。當以下事件發生時，Kafka 將會進行一次分區分配：
- 同一個 Consumer Group 內新增消費者
- 消費者離開當前所屬的Consumer Group，包括shuts down 或 crashes
- 訂閱的主題新增分區
將分區的所有權從一個消費者移到另一個消費者稱為重新平衡（rebalance），如何rebalance就涉及到本文提到的分區分配策略。下面我們將詳細介紹 Kafka 內置的兩種分區分配策略。本文假設我們有個名為 T1 的主題，其包含了10個分區，然后我們有兩個消費者（C1，C2）來消費這10個分區里面的數據，而且 C1 的 num.streams = 1，C2 的 num.streams = 2。
Range strategy
Range策略是對每個主題而言的，首先對同一個主題里面的分區按照序號進行排序，並對消費者按照字母順序進行排序。在我們的例子里面，排完序的分區將會是0, 1, 2, 3, 4, 5, 6, 7, 8, 9；消費者線程排完序將會是C1-0, C2-0, C2-1。然后將partitions的個數除於消費者線程的總數來決定每個消費者線程消費幾個分區。如果除不盡，那么前面幾個消費者線程將會多消費一個分區。在我們的例子里面，我們有10個分區，3個消費者線程， 10 / 3 = 3，而且除不盡，那么消費者線程 C1-0 將會多消費一個分區，所以最后分區分配的結果看起來是這樣的：
C1-0 將消費 0, 1, 2, 3 分區
C2-0 將消費 4, 5, 6 分區
C2-1 將消費 7, 8, 9 分區
假如我們有11個分區，那么最后分區分配的結果看起來是這樣的：
C1-0 將消費 0, 1, 2, 3 分區
C2-0 將消費 4, 5, 6, 7 分區
C2-1 將消費 8, 9, 10 分區
假如我們有2個主題(T1和T2)，分別有10個分區，那么最后分區分配的結果看起來是這樣的：
C1-0 將消費 T1主題的 0, 1, 2, 3 分區以及 T2主題的 0, 1, 2, 3分區
C2-0 將消費 T1主題的 4, 5, 6 分區以及 T2主題的 4, 5, 6分區
C2-1 將消費 T1主題的 7, 8, 9 分區以及 T2主題的 7, 8, 9分區
可以看出，C1-0 消費者線程比其他消費者線程多消費了2個分區，這就是Range strategy的一個很明顯的弊端。
RoundRobin strategy
使用RoundRobin策略有兩個前提條件必須滿足：
- 同一個Consumer Group里面的所有消費者的num.streams必須相等；
- 每個消費者訂閱的主題必須相同。
所以這里假設前面提到的2個消費者的num.streams = 2。RoundRobin策略的工作原理：將所有主題的分區組成 TopicAndPartition 列表，然后對 TopicAndPartition 列表按照 hashCode 進行排序，這里文字可能說不清，看下面的代碼應該會明白：（其實就是按分區名hash排序后平均分配給每一個消費者的線程）
val
allTopicPartitions
=
ctx.partitionsForTopic.flatMap {
case
(topic, partitions)
=
>
info(
"Consumer %s rebalancing the following partitions for topic %s: %s"
.format(ctx.consumerId, topic, partitions))
partitions.map(partition
=
> {
TopicAndPartition(topic, partition)
})
}.toSeq.sortWith((topicPartition
1
, topicPartition
2
)
=
> {
/*
* Randomize the order by taking the hashcode to reduce the likelihood of all partitions of a given topic ending
* up on one consumer (if it has a high enough stream count).
*/
topicPartition
1
.toString.hashCode < topicPartition
2
.toString.hashCode
})
|
最后按照round-robin風格將分區分別分配給不同的消費者線程。
在我們的例子里面，假如按照 hashCode 排序完的topic-partitions組依次為T1-5, T1-3, T1-0, T1-8, T1-2, T1-1, T1-4, T1-7, T1-6, T1-9，我們的消費者線程排序為C1-0, C1-1, C2-0, C2-1，最后分區分配的結果為：
C1-0 將消費 T1-5, T1-2, T1-6 分區；
C1-1 將消費 T1-3, T1-1, T1-9 分區；
C2-0 將消費 T1-0, T1-4 分區；
C2-1 將消費 T1-8, T1-7 分區；
多個主題的分區分配和單個主題類似，這里就不在介紹了。
根據上面的詳細介紹相信大家已經對Kafka的分區分配策略原理很清楚了。不過遺憾的是，目前我們還不能自定義分區分配策略，只能通過partition.assignment.strategy參數選擇 range 或 roundrobin。partition.assignment.strategy參數默認的值是range。