kafka如何解决拥堵问题
别人没回复，继续等，你会等到她的朋友圈。
不同的场景导致的拥堵已经对应的解决方案
1、实时/消费任务挂掉导致的消费积压的解决方法
如果在积压数据不多和影响较小的情况下，重新启动消费任务，排查宕机原因。
如果消费任务宕机时间过长导致积压数据量很大，除了重新启动消费任务、排查问题原因，还需要解决消息积压问题。
解决积压方法
-
-
- 任务重新启动后直接消费最新的消息，对于"滞后"的历史数据采用离线程序进行"补漏"。
- 创建新的topic并配置更多数量的分区，将积压消息的topic消费者逻辑改为直接把消息打入新的topic，将消费逻辑写在新的topic的消费者中。
-
2、Kafka分区数设置的不合理或消费者“消费能力”不足的优化
Kafka分区数是Kafka并行度调优的最小单元，如果Kafka分区数设置的太少，会影响Kafka Consumer消费的吞吐量。如果数据量很大，Kafka消费能力不足，则可以考虑增加Topic的Partition的个数，同时提升消费者组的消费者数量。
3、Kafka消息key设置的优化
使用Kafka Producer消息时，可以为消息指定key，但是要求key要均匀，否则会出现Kafka分区间数据不均衡。所以根据业务，合理修改Producer处的key设置规则，解决数据倾斜问题。
