apache kafka的重平衡（rebalance），一直以来都为人诟病。因为重平衡过程会触发stop-the-world（STW），此时对应topic的资源都会处于不可用的状态。小规模的集群还好，如果是大规模的集群，比如几百个节点的consumer或kafka connect等，那么重平衡就是一场灾难。所以我们要尽可能避免重平衡，在之前的文章中也有介绍过这点，有关重平衡的基础内容可以参阅：

详细解析kafka之 kafka消费者组与重平衡机制

在kafka2.4的时候，社区推出两个新feature来解决重平衡过程中STW的问题。

1. Incremental Rebalance Protocol（以下简称cooperative协议）：改进了eager协议（即旧重平衡协议）的问题，避免STW的发生，具体怎么避免，后面介绍
2. static membership：避免重起或暂时离开的消费者触发重平衡

本篇接下来主要介绍这两点，另外注意，这两个功能都是kafka2.4推出的，如果想尝鲜建议升级到kafka2.4，升级方案参见官网：Upgrading to 2.4.0 from any version 0.8.x through 2.3.x。

apache kafak2.4 incremental cooperative rebalancing协议

背景

负载均衡，基本是分布式系统中必不可少一个功能，apache kafka也不例外。为了让消费数据这个过程在kafka集群中尽可能地均衡，kafka推出了重平衡的功能，重平衡能够帮助kafka客户端（consumer client，kafka connect，kafka stream）尽可能实现负载均衡。

但是在kafka2.3之前，重平衡各种分配策略基本都是基于eager协议的（包括RangeAssignor，RoundRobinAssignor等，这部分内容最前面给出的文章有介绍），也就是我们以前熟知的kafka重平衡。eager协议重平衡的细节，推荐看极客时间胡夕大佬的文章，讲得很详细，具体的链接就不放了，也可以直接搜kafak重平衡流程解析。

值得一提的是，此前kafka就有推出一个重平衡的新分配策略，StickyAssignor粘性分配策略，主要作用是保证客户端，比如consumer消费者在重平衡后能够维持原本的分配方案，可惜的是这个分配策略依旧是在eager协议的框架之下，重平衡仍然需要每个consumer都先放弃当前持有的资源（分区）。

在2.x的时候，社区就意识到需要对现有的rebalance作出改变。所以在kafka2.3版本首先在kafka connect应用cooperative协议，然后在kafka2.4的时候也在consumer client添加了该协议的支持。

incremental cooperative rebalancing协议解析

接下来我们介绍cooperative协议和eager协议的具体区别。一句话介绍，cooperative协议将一次全局重平衡，改成每次小规模重平衡，直至最终收敛平衡的过程。

这里我们主要针对一种场景举个例子，来对比两种协议的区别。

假设有这样一种场景，一个topic有三个分区，分别是p1，p2，p3。有两个消费者c1，c2在消费这三个分区，{c1 -> p1, p2}，{c2 -> p3}。

当然这样说不平衡的，所以加入一个消费者c3，此时触发重平衡。我们先列出在eager协议的框架下会执行的大致步骤，然后再列出cooperative发生的步骤，以做比对。

eager 协议版本
先说下各个名词：

• group coordinator：重平衡协调器，负责处理重平衡生命周期中的各种事件
• hearbeat：consumer和broker的心跳，重平衡时会通过这个心跳通知信息
• join group request：consumer客户端加入组的请求
• sync group request：重平衡后期，group coordinator向consumer客户端发送的分配方案

如果在 eager 版本中，会发生如下事情。

1. 最开始的时候，c1 c2 各自发送hearbeat心跳信息给到group coordinator（负责重平衡的协调器）
2. 这时候group coordinator收到一个join group的request请求，group coordinator知道有新成员加入组了
3. 在下一个心跳中group coordinator 通知 c1 和 c2 ，准备rebalance
4. c1 和 c2 放弃（revoke）各自的partition，然后发送joingroup的request给group coordinator
5. group coordinator处理好分配方案（交给leader consumer分配的），发送sync group request给 c1 c2 c3，附带新的分配方案
6. c1 c2 c3接收到分配方案后，重新开始消费

用一张图表示如下：

这里省略了一些细节，不过整体上应该会更方便理解这个过程。接下来再看看cooperative协议会怎么处理。

到了cooperative协议就会变成这样：

cooperative rebalancing protocol 版本

如果在cooperative版本中，会发生如下事情。

1. 最开始的时候c1 c2各自发送hearbeat心跳信息给到group coordinator
2. 这时候group coordinator收到一个join group的request请求，group coordinator知道有新成员加入组了
3. 在下一个心跳中 group coordinator 通知 c1 和 c2 ，准备 rebalance，前面几部分是一样的
4. c1 和 c2发送joingroup的request给group coordinator，但不需要revoke其所拥有的partition，而是将其拥有的分区编码后一并发送给group coordinator，即 {c1->p1, p2}，{c2->p3}
5. group coordinator 从元数据中获取当前的分区信息（这个称为assigned-partitions），再从c1 c2 的joingroup request中获取分配的分区（这个称为 owned-partitions），通过assigned-partitions和owned-partitions知晓当前分配情况，决定取消c1一个分区p2的消费权，然后发送sync group request（{c1->p1}，{c2->p3}）给c1 c2，让它们继续消费p1 p2
6. c1 c2 接收到分配方案后，重新开始消费，一次 rebalance 完成，当然这时候p2处于无人消费状态
7. 再次触发rebalance，重复上述流程，不过这次的目的是把p2分配给c3（通过assigned-partitions和owned-partitions获取分区分配状态）

同样用一张图表示如下：

cooperative协议版重平衡的一个核心，是assigned-partitions和owned-partitions，group coordinator通过这两者，可以保存和获取分区的消费状态，以便进行多次重平衡并达到最终的均衡状态。

除了消费者崩溃离场的场景，其他场景也是类似的思路。具体重平衡算法相对比较复杂，这里留给感兴趣的同学自行探索：KIP-429: Kafka Consumer Incremental Rebalance Protocol。

apache kafka2.4 static membership功能

我们知道，当前重平衡发生的条件有三个：

• 成员数量发生变化，即有新成员加入或现有成员离组（包括主动离组和崩溃被动离组）
• 订阅主题数量发生变化
• 订阅主题分区数量发生变化

其中成员加入或成员离组是最常见的触发重平衡的情况。新成员加入这个场景必然发生重平衡，没办法优化（针对初始化多个消费者的情况有其他优化，即延迟进行重平衡），但消费者崩溃离组却可以优化。因为一个消费者崩溃离组通常不会影响到其他{partition – consumer}的分配情况。

因此在 kafka 2.3~2.4 推出一项优化，即此次介绍的Static Membership功能和一个consumer端的配置参数 group.instance.id。一旦配置了该参数，成员将自动成为静态成员，否则的话和以前一样依然被视为是动态成员。

静态成员的好处在于，其静态成员ID值是不变的，因此之前分配给该成员的所有分区也是不变的。即假设一个成员挂掉，在没有超时前静态成员重启回来是不会触发 Rebalance 的（超时时间为session.timeout.ms，默认10 sec）。在静态成员挂掉这段时间，broker会一直为该消费者保存状态（offset），直到超时或静态成员重新连接。

如果使用了 static membership 功能后，触发 rebalance 的条件如下：

• 新成员加入组：这个条件依然不变。当有新成员加入时肯定会触发 Rebalance 重新分配分区
• Leader 成员重新加入组：比如主题分配方案发生变更
• 现有成员离组时间超过了 session.timeout.ms 超时时间：即使它是静态成员，Coordinator 也不会无限期地等待它。一旦超过了 session 超时时间依然会触发 Rebalance
• Coordinator 接收到 LeaveGroup 请求：成员主动通知 Coordinator 永久离组。

所以使用static membership的两个条件是：

1. consumer客户端添加配置：props.put(“group.instance.id”, “con1”);
2. 设置session.timeout.ms为一个合理的时间，这个参数受限于group.min.session.timeout.ms（6 sec）和group.max.session.timeout.ms（30 min），即大小不能超过这个上下限。但是调的过大也可能造成broker不断等待挂掉的消费者客户端的情况，个人建议根据使用场景，设置合理的参数。

以上～

参考：

Apache Kafka Rebalance Protocol, or the magic behind your streams applications

Incremental Cooperative Rebalancing in Apache Kafka: Why Stop the World When You Can Change It?

From Eager to Smarter in Apache Kafka Consumer Rebalances

KIP-429: Kafka Consumer Incremental Rebalance Protocol

Incremental Cooperative Rebalancing: Support and Policies

KIP-345: Introduce static membership protocol to reduce consumer rebalances