前面我们讲到Consumer加入组的流程，主要包括了JoinGroup 和 SyncGroup 两个步骤。其中在JoinGroup 之后会选出 Consumer Group 的Leader 用于组内订阅关系的制定。今天我们详细的讲解一下，Kafka Java客户端提供的几种分区分配策略。Kafka 客户端提供了 3 种分区分配策略：RangeAssignor、RoundRobinAssignor 和 StickyAssignor，前两中分配方案相对简单一些，StickyAssignor 分配方案相对复杂一些，可以通过 partition.assignment.strategy 参数去设置。
RangeAssignor
RangeAssignor 是按照 Topic 的维度进行分配的，也就是说按照Topic 对应的每个分区平均的按照范围区段分配给Consumer 实例。这种分配方案是按照Topic 的维度去分发分区的，此时可能会造成先分配分区的Consumer 实例的任务过重。
从上图的最终分配结果看来，因为是按照Topic A 和 Topic B 的维度进行分配的。对于Topic A 而言，有 2 个消费者，此时算出来C0 得到 2 个分区，C1 得到 1 个分区；对于Topic B的维度也是一样，也就是先分配的Consumer 会得到的更多，从而造成倾斜。需要注意一点的是，RangeAssignor 是按照范围截断分配的，不是按顺序分发的。
RoundRobinAssignor
RoundRobinAssignor 中文可以翻译为轮询，也就是顺序一个一个的分发。其中代码里面的大概逻辑如下：拿到组内所有Consumer 订阅的 TopicPartition，按照顺序挨个分发给 Consumer，此时如果和当前Consumer 没有订阅关系，则寻找下一个Consumer。从上面逻辑可以看出，如果组内每个消费者的订阅关系是同样的，这样TopicPartition 的分配是均匀的。
当组内每个消费者订阅的Topic 是不同的，这样就可能会造成分区订阅的倾斜。
StickyAssignor
StickyAssignor 是Kafka Java客户端提供的 3 中分配策略中最复杂的一种，从字面上可以看出是具有“粘性”的分区策略。Kafka从0.11 版本开始引入，其主要实现了两个功能：
1、主题分区的分配要尽可能的均匀；
2、当Rebalance 发生时，尽可能保持上一次的分配方案。
当然，当上面两个条件发生冲突是，第一个提交件要优先于第二个提交，这样可以使分配更加均匀。下面我们看一下官方提供的 2 个例子，来看一下RoundRoubin 和 Sticky 两者的区别。
从上面我们可以看出，初始状态各个Consumer 订阅是相同的时候，并且主题的分区数也是平均的时候，两种分配方案的结果是相同的。但是当Rebalance 发生时，可能就会不太相同了，加入上面的C1 发生了离组操作，此时分别会有下面的 Rebalance 结果：
从上面Rebalance 后的结果可以看出，虽然两者最后分配都是均匀的，但是RoundRoubin 完全是重新分配了一遍，而Sticky 则是在原先的基础上达到了均匀的状态。
下面我们再看一个Consumer订阅主题不均匀的例子。
从上面的订阅关系可以看出，Consumer 的订阅主题个数不均匀，并且各个主题的分区数也是不相同的。此时两种分配方案的结果有了较大的差异，但是相对来说Sticky 方式的分配相对来说是最合理的。下面我们看一下 C1 发生离组时，Rebalance 之后的分配结果。
从上面结果可以看出，RoundRoubin 的方案在Rebalance 之后造成了严重的分配倾斜。因此在生产上如果想要减少Rebalance 的开销，可以选用 Sticky 的分区分配策略。
自定义实现
通常情况下，Kafka 客户端提供的分区分配规则就已经够用了。但是对于一些跨区域多机房的集群部署方案时，就可能需要优化其分区的分配策略。一种比较常见的方案是，将同一个机房里面的 Broker 与对应的 Consumer建立关系，从而可以减少网络延迟，以及减少出口带宽的占用。
参考：《Apache Kafka 源码剖析》、Kafka 源代码
