3、分区分配策略：RangeAssignor、RoundRobinAssignor、StickyAssignor的原理与适用场景

在 Kafka 消费者组中，分区分配策略决定了当消费者加入或离开组时，哪些分区被分配给哪个消费者。选择错误的策略会导致负载不均、频繁重平衡甚至消费延迟。本章深入剖析三种内置分配策略的核心原理、分配算法与适用场景。

3.1 策略概览与核心差异

下表从分配粒度、目标、重平衡影响三个维度对比三种策略：

3.2 RangeAssignor：按主题分区的“范围切割”

原理：对每个主题独立执行分配。将主题的分区按字典序排序，消费者按 member_id 排序，然后计算每个消费者应分配的分区数，最后按顺序切割分区列表。

分配算法伪代码：

// 假设主题 T 有 10 个分区，消费者组有 3 个消费者
// 分区列表: [0,1,2,3,4,5,6,7,8,9]
// 消费者列表: [C0, C1, C2]

// 每个消费者应分配的分区数
int partitionsPerConsumer = 10 / 3 = 3
int remainder = 10 % 3 = 1

// 前 remainder 个消费者多分配 1 个分区
C0: 分区 0,1,2,3  (4 个分区)
C1: 分区 4,5,6    (3 个分区)
C2: 分区 7,8,9    (3 个分区)

问题：当多个主题的分区数不能被消费者数整除时，前几个消费者会持续多分配分区，导致负载倾斜。例如 3 个消费者、每个主题 10 个分区、共 5 个主题时，C0 会比 C2 多分配 5 个分区。

3.3 RoundRobinAssignor：全局轮询的“公平分配”

原理：将所有主题的所有分区合并为一个全局列表，按字典序排序后，依次轮询分配给每个消费者。分配结果不依赖主题边界，只关注全局分区总数。

分配算法伪代码：

// 假设有 2 个主题: T1(4个分区), T2(2个分区)
// 消费者组: [C0, C1]
// 全局分区列表: [T1-0, T1-1, T1-2, T1-3, T2-0, T2-1]

// 轮询分配
C0: T1-0, T1-2, T2-0  (3 个分区)
C1: T1-1, T1-3, T2-1  (3 个分区)

优势：全局分区数绝对均匀，不会出现 RangeAssignor 的累积倾斜问题。

劣势：每次重平衡都会完全打乱所有分配，导致大量分区在消费者之间移动，增加重平衡开销和缓存失效成本。

3.4 StickyAssignor：兼顾均匀与稳定的“粘性分配”

原理：StickyAssignor 在分配时同时优化两个目标：

1. 均匀性：每个消费者分配的分区数尽可能接近平均值。
2. 粘性：尽可能保留消费者已有的分区分配，减少不必要的分区移动。

分配算法采用贪心 + 调整策略：先尽量保留现有分配，再对不均匀的部分进行微调。

重平衡对比示例：

3.5 三种策略的分配流程对比（SVG）

下图展示了三种策略在相同输入下的分配路径差异：

3.6 配置与切换实践

在 Spring Boot 或原生 Kafka 客户端中配置分配策略：

// 原生 Kafka 消费者配置
Properties props = new Properties();
props.put("bootstrap.servers", "localhost:9092");
props.put("group.id", "my-group");
// 推荐使用 StickyAssignor
props.put("partition.assignment.strategy",
          "org.apache.kafka.clients.consumer.StickyAssignor");
// 或使用多个策略组合（以逗号分隔）
props.put("partition.assignment.strategy",
          "org.apache.kafka.clients.consumer.StickyAssignor," +
          "org.apache.kafka.clients.consumer.RoundRobinAssignor");

// Spring Boot 配置
// application.yml
spring:
  kafka:
    consumer:
      properties:
        partition.assignment.strategy:
          - org.apache.kafka.clients.consumer.StickyAssignor

3.7 策略选择决策树

根据实际场景选择策略：

• 场景一：消费者组固定不变、主题分区数都是消费者数的整数倍 → RangeAssignor（简单，无倾斜）
• 场景二：多主题、分区数差异大、重平衡极少 → RoundRobinAssignor（全局均匀）
• 场景三：生产环境、频繁扩缩容、对延迟敏感 → StickyAssignor（推荐）
• 场景四：需要自定义分配逻辑（如按机房、按消费者权重） → 实现 org.apache.kafka.clients.consumer.ConsumerPartitionAssignor 接口