知识点思维导图
17 个知识节点
Kafka（01） - Topic、Partition 与 Consumer Group
读完后，你应能完成以下任务：
- 绘制“Kafka（01） - Topic、Partition 与 Consumer Group / Topic 与 Partition 的职责”的关键对象与数据流，解释“Topic 是事件类别，Partition 是实际追加写日志和并行处理单元。”，并用源码位置、日志或 Trace 标注证据。
- 为“Kafka（01） - Topic、Partition 与 Consumer Group / Key 决定顺序边界”设计正常与异常输入，验证“顺序边界应写进事件契约，例如“同一订单状态有序，不同订单可并行”，而不是笼统要求全局有序。”，输出首个偏差位置与回归测试结果。
- 实现“Kafka（01） - Topic、Partition 与 Consumer Group / Consumer Group 与 Rebalance”的最小代码或配置，检验“同一 Consumer Group 内，”，输出命令、结果与 Diff，并说明不适用边界。
本系列目录沿用当前思维导图中的 “kafka” 标签；技术产品的官方名称是 Apache Kafka，正文和配置均使用官方名称 Kafka。
一、先建立全局：Topic、Partition 与 Consumer Group 是什么？
理解“Topic、Partition 与 Consumer Group”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。
“Topic、Partition 与 Consumer Group”的第一个核心判断是：Topic 是事件类别，Partition 是实际追加写日志和并行处理单元。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。
| 顺序 | 章节 | 读完本节应抓住的结论 |
|---|---|---|
| 1 | Topic 与 Partition 的职责 | Topic 是事件类别，Partition 是实际追加写日志和并行处理单元。 |
| 2 | Key 决定顺序边界 | 顺序边界应写进事件契约，例如“同一订单状态有序，不同订单可并行”，而不是笼统要求全局有序。 |
| 3 | Consumer Group 与 Rebalance | 同一 Consumer Group 内， |
| 4 | 设计与故障边界 | 依据峰值写入、单分区处理能力和目标消费并行度估算分区。 -> 选择能表达顺序边界且分布均匀的 Key。 -> 定义保留时间、压缩策略、最大消息和副本数。 -> 为生产/消费失败、死信和事件重放建立独立 Topic 或流程。 |
| 5 | 本系列目录沿用当前思维导图中的 “kafka” 标签 | 本系列目录沿用当前思维导图中的 “kafka” 标签； |
| 6 | 技术产品的官方名称是 Apache Kafka | 技术产品的官方名称是 Apache Kafka，正文和配置均使用官方名称 Kafka。 |
1.1 核心对象之间怎样衔接
flowchart LR
S1["Topic 与 Partition 的职责"] --> S2
S2["Key 决定顺序边界"] --> S3
S3["Consumer Group 与 Rebalance"] --> S4
S4["设计与故障边界"] --> S5
S5["本系列目录沿用当前思维导图中的 “kafka” 标签"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“Topic、Partition 与 Consumer Group”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。
1.2 再看失败：问题最早会出现在哪一步？
在“Topic、Partition 与 Consumer Group”的对象和顺序已经明确后，再看可观察的失败：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。
二、Topic 与 Partition 的职责
Topic 是事件类别，Partition 是实际追加写日志和并行处理单元。 每条记录在 Partition 内有递增 Offset， Kafka 只保证单 Partition 内的记录顺序， 不保证整个 Topic 的全局顺序。 副本用于容错，Leader 处理读写，Follower 复制日志； 副本数不能超过可放置的 Broker 数。
分区数决定消费组最大有效并行度，也影响文件、网络、选主和运维成本。 创建大量分区不是免费的， 而且后续增加分区会改变默认 Key 哈希到 Partition 的映射， 可能破坏同一业务实体的历史顺序假设。
三、Key 决定顺序边界
ProducerRecord<String, OrderEvent> record =
new ProducerRecord<>("order-events", orderId, event);
producer.send(record);
需要同一订单有序时使用稳定 orderId 做 Key，使其进入同一 Partition。
随机 Key 提高均衡性但失去实体顺序；
固定少数 Key 会形成热点。
顺序边界应写进事件契约，例如“同一订单状态有序，不同订单可并行”，而不是笼统要求全局有序。
事件至少包含 event_id、业务实体 ID、事件类型、Schema 版本、发生时间和 trace_id。
不要只发送一段无法演进的业务 JSON；
消费者需要知道如何去重、兼容和追踪。
四、Consumer Group 与 Rebalance
同一 Consumer Group 内， 一个 Partition 同时只分配给一个 Consumer； 不同 Group 各自消费完整数据，可分别服务搜索同步、通知和审计。 Consumer 数超过 Partition 数时，多出的实例空闲； 少于 Partition 数时，一个 Consumer 处理多个 Partition。
成员加入、退出、订阅变化或超时可能触发 Rebalance。
处理时间超过 max.poll.interval.ms、频繁发布或实例抖动会导致重复 Rebalance。
消费者应控制单批处理量、把耗时任务解耦，
并使用 Cooperative 策略或静态成员减少不必要迁移。
五、设计与故障边界
- 依据峰值写入、单分区处理能力和目标消费并行度估算分区。
- 选择能表达顺序边界且分布均匀的 Key。
- 定义保留时间、压缩策略、最大消息和副本数。
- 为生产/消费失败、死信和事件重放建立独立 Topic 或流程。
- 监控分区倾斜、ISR、Under-replicated Partition、Lag 和 Rebalance。
Broker 可用不代表业务正常。 某个热点 Partition、消费组 Lag 上升或 ISR 缩小都可能只影响部分流量。 排障必须下钻到 Topic、Partition、Group 和客户端实例。
验收清单
- Topic 的事件语义、Key、分区、保留和副本均有书面契约。
- 同实体顺序和跨实体并行经过并发测试。
- 扩容消费者与增加分区的行为和风险已经演练。
- Lag、Rebalance、ISR 和热点分区具备告警。
六、动手验证：先跑通 Topic、Partition 与 Consumer Group，再改变一个变量
前面的章节已经建立问题、概念和机制。现在把“Topic、Partition 与 Consumer Group”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。
6.1 基线与候选只允许一个变量不同
验证“Topic、Partition 与 Consumer Group”时，先固定数据快照、并发条件、客户端配置、拓扑和故障注入点。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。
执行“Topic、Partition 与 Consumer Group”时，动作是：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。原始结果不能只保留截图或汇总分数，必须同步保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验，使下一次复查可以在同一输入上重放。
| 实验要素 | 本文要求 |
|---|---|
| 固定条件 | 固定数据快照、并发条件、客户端配置、拓扑和故障注入点 |
| 唯一变量 | 本次候选方案与基线之间的一项明确差异 |
| 原始证据 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 通过阈值 | 一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用 |
| 立即停止 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 |
6.2 执行前先排除不可比较条件
“Topic、Partition 与 Consumer Group”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。
- 基线能够在“Topic、Partition 与 Consumer Group”的当前环境重复运行。
- 候选只改变一个与“Topic、Partition 与 Consumer Group”结论直接相关的条件。
- “Topic、Partition 与 Consumer Group”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
- “Topic、Partition 与 Consumer Group”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
6.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“Topic、Partition 与 Consumer Group”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。
| 检查项 | 当前文章的判定 |
|---|---|
| 输入可追溯 | 固定数据快照、并发条件、客户端配置、拓扑和故障注入点 |
| 过程可回放 | 执行正常读写与故障场景，记录查询计划、锁、复制或消费状态 |
| 结果可审计 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
“Topic、Partition 与 Consumer Group”的一次合格基线对照按以下顺序执行：
- 保存“Topic、Partition 与 Consumer Group”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“Topic、Partition 与 Consumer Group”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“Topic、Partition 与 Consumer Group”：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。
- 为“Topic、Partition 与 Consumer Group”保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验。
- 使用“Topic、Partition 与 Consumer Group”预登记条件判断：一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用。
- 如果“Topic、Partition 与 Consumer Group”未通过，不修改第二个变量，先恢复基线并保留失败现场。
七、用一张矩阵验证 Topic、Partition 与 Consumer Group 的关键结论
矩阵按正文顺序列出“Topic、Partition 与 Consumer Group”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。
| 正文章节 | 已解释的结论 | 本轮唯一变量 | 必须保存的证据 |
|---|---|---|---|
| Topic 与 Partition 的职责 | Topic 是事件类别，Partition 是实际追加写日志和并行处理单元。 | 只改变与“Topic 与 Partition 的职责”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| Key 决定顺序边界 | 顺序边界应写进事件契约，例如“同一订单状态有序，不同订单可并行”，而不是笼统要求全局有序。 | 只改变与“Key 决定顺序边界”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| Consumer Group 与 Rebalance | 同一 Consumer Group 内， | 只改变与“Consumer Group 与 Rebalance”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 设计与故障边界 | 依据峰值写入、单分区处理能力和目标消费并行度估算分区。 -> 选择能表达顺序边界且分布均匀的 Key。 -> 定义保留时间、压缩策略、最大消息和副本数。 -> 为生产/消费失败、死信和事件重放建立独立 Topic 或流程。 | 只改变与“设计与故障边界”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 本系列目录沿用当前思维导图中的 “kafka” 标签 | 本系列目录沿用当前思维导图中的 “kafka” 标签； | 只改变与“本系列目录沿用当前思维导图中的 “kafka” 标签”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 技术产品的官方名称是 Apache Kafka | 技术产品的官方名称是 Apache Kafka，正文和配置均使用官方名称 Kafka。 | 只改变与“技术产品的官方名称是 Apache Kafka”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
7.1 记录本次实际实验
下面的记录用于“Topic、Partition 与 Consumer Group”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。
topic: "Topic、Partition 与 Consumer Group"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行正常读写与故障场景，记录查询计划、锁、复制或消费状态"
evidence: "执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验"
pass_when: "一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用"
stop_when: "计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure
7.2 边界实验必须证明能够停止和恢复
成功路径只能证明“Topic、Partition 与 Consumer Group”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致，并观察系统是否在产生不可逆副作用前停止。
| 场景 | 只改变什么 | 应保存什么 | 通过标准 |
|---|---|---|---|
| 正常路径 | 使用已知有效输入 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 | 一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用 |
| 边界路径 | 把一个输入推进到约束临界值 | 临界值前后的输出与指标 | 不静默降级，不把部分结果冒充成功 |
| 明确失败 | 注入：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 原始错误、首个异常阶段和最终状态 | 失败被正确分类且没有扩大副作用 |
| 恢复重放 | 执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 | 原失败样本的复测证据 | 原样本恢复，正常样本没有回归 |
恢复动作不是简单重启。对于“Topic、Partition 与 Consumer Group”，第一步是：从数据入口、存储状态、复制消费链路和恢复步骤定位根因。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。
“Topic、Partition 与 Consumer Group”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。
八、Topic、Partition 与 Consumer Group 的结果解释
解释“Topic、Partition 与 Consumer Group”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。
| 观察结果 | 可以支持的判断 | 下一步 |
|---|---|---|
| 主链路没有达到预期 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 |
| 异常链路无法恢复 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 |
| 新样本成功但原样本仍失败 | 修复没有覆盖原始触发条件 | 固定原失败输入，恢复基线后重新比较 |
| 指标改善但证据无法回链 | 数据、版本或中间状态没有固定 | 暂停发布，补齐可追溯记录后重跑 |
“Topic、Partition 与 Consumer Group”只有同时满足“一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用”，并且没有出现“计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。
如果“Topic、Partition 与 Consumer Group”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。
“Topic、Partition 与 Consumer Group”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。
九、Topic、Partition 与 Consumer Group 的发布判断
发布判断需要把“Topic、Partition 与 Consumer Group”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。
- “Topic、Partition 与 Consumer Group”的基线与候选只存在一个计划内变量。
- “Topic、Partition 与 Consumer Group”的输入、代码、依赖、配置和数据版本可以追溯。
- “Topic、Partition 与 Consumer Group”的正常、临界、失败和恢复样本使用同一套断言。
- “Topic、Partition 与 Consumer Group”的原始输出、中间状态和失败现场已经保留。
- “Topic、Partition 与 Consumer Group”的日志、Trace、截图和测试数据已经脱敏。
- “Topic、Partition 与 Consumer Group”的停止条件、负责人和回滚入口已经演练。
- “Topic、Partition 与 Consumer Group”尚未覆盖的输入、权限、容量和外部依赖已经登记。
最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“Topic、Partition 与 Consumer Group”的判断，就不能发布。
十、总结
- Topic 与 Partition 的职责：Topic 是事件类别，Partition 是实际追加写日志和并行处理单元。
- Key 决定顺序边界：顺序边界应写进事件契约，例如“同一订单状态有序，不同订单可并行”，而不是笼统要求全局有序。
- Consumer Group 与 Rebalance：同一 Consumer Group 内，一个 Partition 同时只分配给一个 Consumer；
- 设计与故障边界：依据峰值写入、单分区处理能力和目标消费并行度估算分区。 -> 选择能表达顺序边界且分布均匀的 Key。 -> 定义保留时间、压缩策略、最大消息和副本数。 -> 为生产/消费失败、死信和事件重放建立独立 Topic 或流程。
学完自测
选择所有正确答案；提交后逐项核对判断依据。