Kafka消费者组负载均衡由服务端自动完成，基于分区到消费者的动态分配；当消费者增减、分区变更或心跳/提交超时时触发Rebalance，配合合理分配策略与客户端优化可实现高效并行消费。
Kafka 消费者组（Consumer Group）的负载均衡是自动完成的，核心机制是 分区（Partition）到消费者（Consumer）的动态分配，不需要手动编码实现。只要多个消费者属于同一个 group.id，并订阅相同 topic，Kafka 服务端（Coordinator）就会在发生 Rebalance 时自动把 topic 的各个分区均匀地分配给组内活跃消费者。
分区分配是负载均衡的基础
Kafka 中一个 topic 被划分为多个 Partition，每个 Partition 是有序、不可变的日志序列。消费者组的负载能力取决于 Partition 数量： - 如果有 10 个 Partition 和 3 个消费者，理想情况下会分配为 4–3–3； - 如果只有 1 个 Partition，无论多少消费者，都只有 1 个能消费（其余空闲）； - 分区数 ≥ 消费者数，才能真正发挥并行消费能力。
Rebalance 触发分配与再平衡
当以下情况发生时，Kafka 会触发 Rebalance，重新分配分区： - 新消费者加入或已有消费者宕机/下线； - 订阅的 topic 分区数发生变化（如扩容）； - 消费者心跳超时（session.timeout.ms）或未在规定时间提交 offset（max.poll.interval.ms 超时）。
Rebalance 期间所有消费者暂停消费，直到新分配完成。频繁 Rebalance 会影响吞吐，应合理配置超时参数和避免长时间业务处理。
分配策略决定“怎么分”
Kafka 提供多种 PartitionAssignor 实现，默认是 RangeAssignor（按字母顺序对 topic 排序，再按范围切分），还有 RoundRobinAssignor 和 StickyAssignor。可通过 consumer 配置指定：
- roundrobin：适合多 topic、各 topic 分区数接近的场景，更均匀；
- sticky：优先保持历史分配，减少 Rebalance 波动，推荐生产环境使用；
- 自定义分配器也可实现特定负载逻辑（如按消费者权重、区域亲和性等）。
应用层配合提升均衡效果
自动分配只是起点，实际负载是否均衡还依赖客户端行为：
立即学习“Java免费学习笔记（深入）”；
- 避免单条消息处理过久（超过 max.poll.interval.ms），否则被踢出组；
- 控制每次 poll() 拉取数量（max.poll.records）和处理节奏，防止积压或空转；
- 确保消费者实例资源（CPU、网络、下游依赖）能力相近，否则“分得匀”但“跑不匀”；
- 监控 lag（current-offset 与 log-end-offset 差值），及时发现个别消费者拖慢整体进度。
