一、生产端的消费策略

略

二、消费端的生成策略

1、range （默认分配策略）

对应的实现类是 org.apache.kafka.clients.consumer.RangeAssignor

  1. 将分区按数字顺序排行序，消费者按名称的字典序排序
  2. 用分区总数除以消费者总数。如果能够除尽，平均分配；若除不尽，则位于排序前面的消费者将多负责一个分区

2、RoundRobin基于轮询算法

对应的实现类是 org.apache.kafka.clients.consumer.RoundRobinAssignor

  1. 将所有主题的分区组成TopicAndPartition列表
  2. 对TopicAndPartition列表按照hashCode进行排序某个topic
  3. 最后通过轮询算法来分配 partition 给到各个消费者

3、stricky

StickyAssignor

参考：https://lihuimintu.github.io/2021/02/14/kafka-partition-strategy/

https://segmentfault.com/a/1190000039010754

https://www.cnblogs.com/hzmark/p/sticky_assignor.html

# kafka
Logo
Kafka开源项目指南

Kafka开源项目指南提供详尽教程，助开发者掌握其架构、配置和使用，实现高效数据流管理和实时处理。它高性能、可扩展，适合日志收集和实时数据处理，通过持久化保障数据安全，是企业大数据生态系统的核心。

更多推荐

Kafka入门（一） 概述、部署与API的简单使用

Kafka概述、部署与API的简单使用

avatar Kafka开源项目指南

基于canal和kafka同步，实现binlog同步ElasticSearch

文章目录前言elasticsearch 安装canal安装canal-adapter 安装及配置mysql 安装zk及kafaka安装查看效果注意事项前言中间件版本elasticsearch7.5.2canal1.1.4client-adapter1.1.5-alpha-1zookeeper3.4.13kafka2.6.0mysql5.7.31elasticsearch 安装{"settings"

avatar Kafka开源项目指南

基于 Iceberg 的湖仓一体架构在 B 站的实践

背景在B站，每天都有PB级的数据注入到大数据平台，经过离线或实时的ETL建模后，提供给下游的分析、推荐及预测等场景使用。面对如此大规模的数据，如何高效低成本地满足下游数据的分析需求，一直是我们重点的工作方向。我们之前的数据处理流程基本上是这样的：采集端将客户端埋点、服务端埋点、日志、业务数据库等数据收集到HDFS、Kafka等存储系统中，然后通过Hive、Spark、Fl...

avatar Kafka开源项目指南