消费模式
pull：
- Consumer主动从Broker中拉取消息
- 实时性低
- 拉去时间间隔由用户指定，若设置不当：间隔太短，空请求比例会增加；间隔太长，消息的实时性太差
push：
- Broker收到数据后会主动推送给Consumer
- 实时性高
Kafka采用Pull模式来消费消息，因为push模式由Broker决定发送速率，很难适应所有消费者的消费速率。
如果Kafka中没有数据，消费者有可能陷入循环，一直返回空数据。
工作流程
拉取消息（Poll）
消费者通过 拉取模式（pull） 主动从指定分区拉取消息，拉取时需指定从哪个 offset（消息偏移量） 开始消费。一条消息只能被一个消费者消费，属于是集群消费。
注意：
- 每个分区的数据只能由一个消费者组里的消费者消费
- 一个消费者可以消费多个分区
- 消费者组会统一维护每个分区的消费进度（Offset，即已消费到的消息位置），并将其保存在系统主题（__consumer_offset）里
消费者组
Consumer Group（CG）：消费者组，由多个consumer组成。形成一个消费者组的条件，是所有消费者的groupid相同。
作用：
- 避免消息的重复消费，一个分区只会被一个消费者组里的一个消费者消费。如果由多个消费者组，这个消息就会被重复消费
- 实现负载均衡。消费者组通过分区分配机制，将主题的多个分区分配给组内的不同消费者
注意：
- 消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费。
- 消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。
- 如果向消费组中添加更多的消费者，超过主题分区数量，则有一部分消费者就会闲置，不会接收任何消息。
初始化
1. Coordinator 节点选择
消费者组的 Coordinator 节点由 group.id 的哈希值对 __consumer_offsets 主题的分区数（默认 50）取模确定。例如，若 group.id 哈希值为1，1%50=1，则选择 __consumer_offsets 主题 1 号分区所在的 Broker 上的Coordinator作为该组的协调者。
2. 消费者组初始化（JoinGroup 流程）
- 发送 JoinGroup 请求 ：组内每个消费者向 Coordinator 发送
JoinGroup请求，申请加入消费者组。 - 选举 Leader 消费者 ：Coordinator 从组内消费者中选出一个作为 Leader 消费者。
- 上报消费主题信息：所有消费者将自己要消费的 Topic 信息发送给 Leader 消费者。
- 制定消费方案 ：Leader 消费者根据组内消费者数量和 Topic 分区情况，制定分区分配方案（如 Range、RoundRobin 策略）。
- 提交消费方案：Leader 消费者将制定的消费方案发送给 Coordinator。
- 下发消费方案：Coordinator 将消费方案下发给组内所有消费者，消费者根据方案确定自己负责的分区。
3. 心跳与重平衡触发
- 每个消费者会与 Coordinator 保持心跳（默认 3 秒）。若消费者超时（
session.timeout.ms默认为 45 秒）或处理消息时间过长（max.poll.interval.ms默认为 5 分钟），Coordinator 会将其移除并触发重平衡，重新分配分区。
4. Offset 提交与存储
消费者提交的 Offset 会发送到对应 Coordinator 管理的 __consumer_offsets 分区中持久化，确保消费进度的可靠性。
消费流程
1. 发起拉取请求
消费者通过 ConsumerNetworkClient 向 Kafka 集群中对应分区的 Leader Broker（如 TopicA 的 Partition0、1、2 分别对应 broker0、broker1、broker2 的 Leader）发送拉取请求（Fetch Request）。
2. 拉取参数控制
拉取过程由多个参数控制：
Fetch.min.bytes：每批次最小抓取大小（默认 1 字节），若数据量不足则等待。fetch.max.wait.ms：一批数据未达最小值时的超时时间（默认 500ms），超时后即使数据不足也返回。Fetch.max.bytes：每批次最大抓取大小（默认 50M），防止单次拉取数据量过大。Max.poll.records：一次拉取返回消息的最大条数（默认 500 条）。
3. 接收并缓存拉取结果
Broker 调用回调函数处理拉取请求后，将消息返回给消费者，消费者将结果存入 completedFetches 队列（缓存已完成的拉取任务）。
4. 消息处理流程
消费者组从队列中获取消息后，依次进行：
- 反序列化（parseRecord）：将字节数据解析为业务可识别的消息格式。
- 拦截器（Interceptors）：可插入自定义逻辑（如日志记录、数据过滤）。
- 业务处理：执行具体的业务逻辑（如存储、计算、转发等）。