Kafka 的扩展单位是分区，容错单位是副本，消费并行度受分区数约束。当前 Kafka 使用 KRaft 管理集群元数据；它与业务分区的数据复制是两条相关但不同的路径。
Table of contents
Open Table of contents
Leader、Follower 与 ISR
每个分区有一个 Leader 处理读写，Follower 拉取日志。ISR（in-sync replicas，同步副本集合）是跟进进度满足要求的副本集合。记录达到规定的副本确认后才具备相应持久性。
常见生产组合是 acks=all、副本因子 3、min.insync.replicas=2。这表示只有一个同步副本时拒绝需要全确认的写入，以可用性换数据安全。具体数值要按故障域、恢复时间和业务丢失预算验证。
不要启用不安全的 Leader 选举来“快速恢复”关键数据，因为落后的副本成为 Leader 可能截断已确认历史。副本还应跨机架或可用区分布，避免一处故障同时带走多数派。
Rebalance 为什么会暂停
消费者加入、离开、超出轮询时限或分区变化时，Coordinator 重新分配分区。Eager 协议可能一次撤销全部分区；Cooperative 协议逐步迁移，减少停止范围。静态成员标识可降低短暂重启造成的变动，但重复标识会被 fencing。
消费者应把一次 poll 与业务处理解耦或限制批量，确保不会因为慢任务超过 max.poll.interval.ms。收到撤销通知时，停止接新任务，等待已完成任务并提交安全位置，不能提交尚未完成的 offset。
观察真实瓶颈
同时观察分区倾斜、ISR 缩减、Under Replicated Partitions、请求排队、磁盘利用率、网络和消费 lag。总 lag 平稳也可能掩盖一个热分区持续增长。
参考 Kafka 4.1 设计文档理解交付语义，并在采用其他版本时切换到对应版本文档。
下一步
继续阅读08-17 Kafka 日志索引、事务与流处理，进入磁盘布局和 Exactly-Once 的边界。