一、生产者负载均衡
1、分区器
使用分区器，kafka生产消息时，根据分区器将消息投递到指定的分区中。
Kafka默认的分区器时DefaultPartitioner。它的分区策略是根据key进行分配的。
如果key不为null： 对key值进行Hash计算，算出一个分区号； 拥有相同Key值被写入同一个分区；
如果key为null： 消息将以轮询方式，在所有可用分区中分别写入消息。
如果不想使用Kafka默认分区器，可以实现Partitioner接口，自己实现分区方法。
并非分区数量越多，效率越高：
Topic 每个 partition 在 Kafka 路径下都有一个自己的目录，该目录下有两个主要的文件：base_offset.log 和 base_offset.index。Kafka 服务端的 ReplicaManager 会为每个 Broker 节点保存每个分区的这两个文件的文件句柄。所以如果分区过多，ReplicaManager 需要保持打开状态的文件句柄数也就会很多。
每个 Producer, Consumer 进程都会为分区缓存消息，如果分区过多，缓存的消息越多，占用的内存就越大；
n 个分区有 1 个 Leader，(n-1) 个 Follower，如果运行过程中 Leader 挂了，则会从剩余 (n-1) 个 Followers 中选举新 Leader；如果有成千上万个分区，那么需要很长时间的选举，消耗较大的性能。
参考： https://blog.csdn.net/u010711495/article/details/113678248
二、消费者负载均衡
1、再均衡
再均衡是消费者层面的负载均衡
当一个group中，有consumer加入或者离开时，会触发partitions均衡，从而提升topic的并发消费能力。
引起消费者再平衡的情况
1、新的消费者加入消费组
2、某个消费者从消费组中退出（异常或正常）
3、增加订阅主题的分区（kafka的分区数，可以动态的增加，但不能减少）
4、某台broker宕机，新的协调器ZK当选
5、某个消费者在心跳会话时间内没有发送心跳请求（配置参数：session.timeout.ms）, 组ZK认为该消费者已经退出。
如下图所示，分区partitions有: P0, P1,P2,P3
加入group的消费者consumer有： C0， C1
流程如下：
1、 根据partitions索引号对partitions进行排序，P0, P1,P2,P3
2、根据consumer id排序，C0，C1
3、计算倍数 M = [P0, P1,P2,P3].size / [ C0， C1].size = 4 / 2 = 2;
4、然后依次分配Ci = [P(i * M),P((i + 1) * M -1)]， 当i=0时， C0=[P0,P1]; 当i=1时， C1=[P2,P3]
