通常情况下，企业中会采取轮询或者随机的方式，通过Kafka的producer向Kafka集群生产数据，来尽可能保证Kafk分区之间的数据是均匀分布的。

如果对Kafka不了解的话，可以先看这篇博客《一文快速了解Kafka》。

消息积压的解决方法

加强监控报警以及完善重新拉起任务机制，这里就不赘述了。

1.实时/消费任务挂掉导致的消费积压的解决方法

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。

解决消息积压可以采用下面方法。

1. 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"。
2. 如下面图所示。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。

如果还需要保证消息消费的局部有序，可以将消费者线程池改成多个队列，每个队列用单线程处理，更多内容可以查看博客《一文理解Kafka如何保证消息顺序性》

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。

转载：一文理解如何解决Kafka消息积压问题 - 云+社区 - 腾讯云 (tencent.com)