Kafka消费者组
每个Kafka消费者都属于一个消费者组，可以将其视为一组消费者的逻辑容器/命名空间。消费者组可以从一个或多个主题接收消息。消费者组中的实例可以从每个主题中的零个、一个或多个分区接收消息（取决于分区数量和消费者实例数）。
「Kafka分区是如何分配给Flink工作器的？」
在Kafka中，同一消费者组中的每个消费者会被分配一个或多个分区。请注意，两个消费者不可能从同一分区消费数据。Flink消费者的数量取决于Flink并行度，也就是说，每个Flink任务（我们大致认为每个Flink任务=Flink插槽=Flink并行度=可用CPU核心）都可以作为消费者组中的单独消费者。值得注意的是，主题只是用于分组分区和数据的抽象表示，在内部只有分区根据以下方式分配给Flink的并行任务实例。
「有三种可能情况：」
1. kafka分区数==flink并行度
这种情况非常理想，因为每个消费者都处理一个分区。如果您的消息在分区之间平衡，则工作将均匀地分布在Flink操作符之间。
2. kafka分区数
当Flink任务数大于Kafka分区数时，一些Flink消费者将闲置，不读取任何数据:
在这种情况下，如果您的并行度高于分区数（因为您想在未来的操作中使用它），您可以在Kafka源后执行
.rebalance()。这样可以确保Kafka源后的所有操作符都获得平均负载，但代价是需要重新分配数据（因此存在序列化/反序列化+网络开销）。
当Kafka分区数大于Flink任务数时，Flink消费者实例将同时订阅多个分区。
在所有情况下，Flink都会将任务最优地分配给分区。
在您的情况下，您可以使用Flink Kafka连接器创建Kafka Consumer组，并将一个或多个主题分配给它（例如使用Regex）。因此，如果Kafka有三个主题，每个主题包含10个分区，将30个槽（核心）分配给Flink作业管理器，您可以实现理想情况，这意味着每个消费者（Flink槽）将消耗一个Kafka分区。
参考资料：
1,
2,
3
