一文理解kafka rebalance负载均衡

介绍

今天主要分享一下 kafka 的 rebalance，在 kafka 中，rebalance 是一个十分重要的概念，很多时候引发的一些问题可能都是由于 rebalance 引起的，rebalance 也就是再均衡，顾名思义，再均衡就是再次负载均衡，下面会对再均衡进行一个详细的描述。

负载均衡

说再均衡之前，先说一说负载均衡，负载均衡就是将请求分发到不同的操作单元上，我们通俗一点来说，就是将请求分发到不同的服务器上，以减轻单台服务器的压力，提高吞吐量，负载均衡的方式有很多，下面是 nginx 的负载均衡，当客户端请求到 nginx 时，nginx 根据一定的负载均衡算法将请求转发到不同的服务器。

请求应该落到那一台机器上，这取决于我们使用的负载均衡策略，负载均衡策略有很多，比如随机，轮询，LFU，LRU 等等，这取决于我们的选择。

rebalance图示

上面说了负载均衡，其实再均衡也是一样，再 kafka 中，一个消费者群组怎么去消费一个主题下面的分区，该以什么方式去消费这些分区，是我们值得去考虑的，kafka 提供了一个分区分配器，他能协调哪些消费者应该去消费那些分区。

如下图所示，一个消费者群组中有两个消费者，他们各自消费两个分区。

此时加入一个消费者，那么就触发了再均衡操作，kafka 就会重新进行分配，分配后的样子可能是下面的这样，c2 从原来的消费两个分区 partition-3，partition-4 变为只消费 partition-2，partition-4 让 c3 去消费。

从上面我们看出，kafka 的再均衡其实就是协调消费者和分区的消费对应关系，我们一般是希望消费者和分区之间的消费关系尽量做到平衡，别出现某个消费者的负载很高，某个消费者的负载很低，资源不能进行合理的利用。

再均衡产生的条件

再均衡产生的条件就是有消费者加入或者退出，加入和退出的方式有很多，有一些是主动因素，有一些是被动因素，比如我们主动增加一个消费者，这时候就会发生再均衡，我们停掉一个消费者，那么这时候也发生再均衡，还有当消费者和 broker 之间由于长时间没有心跳，那么消费者就被提出，这时候也会发生再均衡，某个主题下的分区数量发生变化，也会发生再均衡，还有其他的一些因素，就不展开了，不过我们应该尽量避免再均衡。

再均衡期间消费者是读取不了任何消息，因为这段时间会对分区进行重新分配，所以 之前消费者与分区之间的对应关系已经不存在，需要进行重新分配，所以会出现短暂不可用现象。

主动因素导致消费者的加入和离开是无法避免的，当数据量比较大时，可能需要增加消费者来分担压力，提高吞吐量，所以这时候就需要人为去添加消费者了，这时候发生再均衡是可预见的，但是被动导致再均衡就不可预见了，下面我们从一些参数和原理来说明一下，尽量避免再均衡。

相关参数

在 kafka 中，分区的分配和分区分配器PartitionAssignor有关，在底层实现中，是通过协调器Coordinator来协调消费者和分区的，分为消费者端的消费者协调器ConsumerCoordinator和 Broker 端的组协调器GroupCoordinator。

Broker 端参数

• group.max.session.timeout.ms：消费者会话的最大超时时间。如果消费者在这个时间内没有发送心跳 GroupCoordinator，那么它会被认为已经失效，会被踢出消费组。

• group.min.session.timeout.ms：消费者会话的最小超时时间。如果消费者在这个时间内没有发送心跳 GroupCoordinator，那么它会被认为已经失效，会被踢出消费组。

• group.initial.rebalance.delay.ms：消费者组启动时，等待多长时间再进行 rebalance。这个参数可以让消费者有时间加入消费者组。

consumer 端参数

• session.timeout.ms：消费者会话的超时时间。如果一个消费者在这个时间内没有发送心跳到组协调器 GroupCoordinator，那么被认为它已经失效了，就会将其踢出消费者组。如果这个值设置过小，那么就会比较消耗资源，但是能够快速的发现 ConsumerCoordinator 是否还“存活”，然后进行 rebalance，如果设置过大，那么就会导致长时间没有收到心跳，可能 ConsumerCoordinator 已经“挂了”一段时间，没有及时进行 rebalance。

• heartbeat.interval.ms：消费者发送心跳的时间间隔。心跳是消费者与 GroupCoordinator 之间维持会话的机制，如果一个消费者在这个时间间隔内没有发送心跳，那么 GroupCoordinator 认为它已经失效，然后将其踢出，如果这个值设置过大，那么一个消费者失效时，可能需要等待很长时间才能触发 rebalance，如果过小那么就会比较消耗资源。

• max.poll.interval.ms：消费者处理消息的最大时间间隔。如果消费者在这个时间内没有消费完消息导致不能 poll 消息，那么它将被认为已经失效，将被踢出消费者组，这个值默认为 5 分钟。

heartbeat.interval.ms 的值一定要比 session.timeout.ms 小，官网建议是 1/3，比如 heartbeat.interval.ms 为 5s，那么 session.timeout.ms 为 15s，这样的话在这个时间会话内能收到三次心跳，不过这两个的值也要在 Broker 端 group.max.session.timeout.ms(5min)和 group.min.session.timeout.ms(6s)的区间之间。

分配器

消费者和分区之间进行分配是由分配器来完成的，当消费者加入和离开时触发 reabalance，然后会使用分配器从新对分区和消费者进行分配，kafka 有一个分配器接口ConsumerPartitionAssignor，它的下面有一个抽象类AbstractPartitionAssignor，如果我们需要自定义分配器，那么集成抽象类AbstractPartitionAssignor即可，kafka 默认提供了好几种分配器，如 RoundRobinAssignor，RangeAssignor，StickyAssignor，CooperativeStickyAssignor，kafka 默认使用 RangeAssignor。

如下，我创建了一个名称为 musk 的主题，分区数为 4，然后创建一个消费者，那么这时因为只有一个消费者，所以四个分区都划给了它。

此时我又加入一个消费者，因为加入消费者后会触发 rebalance，所以这时候就会对分区重新进行分配，分配后如下，每个消费者划分了两个分区。

对于分配器，kafka 自带的已经能够满足我们大多时候的需求，因为我们在使用多个消费者的时候，其实就是为了让分区被均分给消费组内的消费者，以达到压力的分担。

来源：https://juejin.cn/post/7215478156949487672