当我使用单个实例启动使用者时，它会显示在使用者组中，但它不会消耗主题中的数据 . 之后，如果我启动另一个消费者并且我的第一个消费者开始消费数据，但最新的消费者实例没有分配任何分配 .
下面是第一个消费者实例启动时的信息日志 .
INFO：kafka.client：从[（u'kafka-broker1.ap-south-1.staging.internal'，9092,0）引导群集元数据] INFO：kafka.conn ::连接到172.31.1.66:9092 INFO ：kafka.client：Bootstrap成功：找到3个经纪人和19个主题 . 信息：kafka.conn ::关闭连接 . 信息：kafka.conn ::连接到172.31.1.148:9092 INFO：kafka.conn：经纪人版本标识为0.11.0 INFO：kafka.conn：设置配置api_version =（0,11,0）以跳过自动check_version请求startup INFO：kafka.consumer.subscription_state：订阅模式：/ events / INFO：kafka.conn ::连接到172.31.1.70:9092 INFO：kafka.cluster：datadog的组协调器是BrokerMetadata（nodeId = 1，host = u 'kafka-broker1.ap-south-1.staging.internal'，port = 9092，rack = None）INFO：kafka.coordinator：发现组datadog的协调器1 INFO：kafka.conn ::连接到172.31.1.66:9092信息：kafka.coordinator.consumer：撤消先前为组datadog分配的分区集（[]）INFO：kafka.coordinator :(重新）加入组datadog INFO：kafka.consumer.subscription_state：将订阅的主题更新为：[u'events '] INFO：kafka.coordinator：加入组'datadog'（代843）与member_id kafka-python-1.3.5-e3c25fb3-39ea-4550-845f-9b663355b4f5信息：kafka.coordinator：成功加入gr oup datadog with generation 843 INFO：kafka.consumer.subscription_state：更新的分区分配：[] INFO：kafka.coordinator.consumer：为组datadog设置新分配的分区（[]）
当我启动第二个实例时，第一个实例分配了分区，第二个实例分配了0个分区，并且在启动第二个实例之前具有与第一个实例相同的信息
下面是第二个实例启动后的第一个实例的信息日志 .
INFO：kafka.coordinator.consumer：为组datadog设置新分配的分区（[]）警告：kafka.coordinator：组数据路径的心跳失败，因为它正在重新 balancer 警告：kafka.coordinator：Heartbeat失败（[错误27] RebalanceInProgressError ）;重试INFO：kafka.coordinator.consumer：撤消以前为组datadog分配的分区集（[]）INFO：kafka.coordinator :(重新）加入组datadog INFO：kafka.coordinator：跳过心跳：没有自动分配或等待重新 balancer 信息：kafka.coordinator：加入组'datadog'（第843代）与member_id kafka-python-1.3.5-ddb66185-c615-4f31-9729-9384131f24c9信息：kafka.coordinator：当选组长 - 使用以下方式执行分区分配范围INFO：kafka.coordinator：使用生成843成功加入组datadog INFO：kafka.consumer.subscription_state：更新的分区分配：[TopicPartition（topic = u'events'，partition = 0），TopicPartition（topic = u'events'， partition = 1），TopicPartition（topic = u'events'，partition = 2），TopicPartition（topic = u'events'，partition = 3），TopicPartition（topic = u'events'，partition = 4），TopicPartition（topic = u'events'，partition = 5），TopicPartition（topic = u'events'，partition = 6），TopicPartition（topic = u'events'，partition = 7），TopicPartition（t opic = u'events'，partition = 8），TopicPartition（topic = u'events'，partition = 9）]信息：kafka.coordinator.consumer：设置新分配的分区集（[TopicPartition（topic = u'events'， partition = 6），TopicPartition（topic = u'events'，partition = 7），TopicPartition（topic = u'events'，partition = 8），TopicPartition（topic = u'events'，partition = 9），TopicPartition（topic = u'events'，partition = 0），TopicPartition（topic = u'events'，partition = 1），TopicPartition（topic = u'events'，partition = 2），TopicPartition（topic = u'events'，partition = 3），TopicPartition（topic = u'events'，partition = 4），TopicPartition（topic = u'events'，partition = 5）]）用于组datadog
We always have 1 consumer instance with unassigned partitions on all the cases, last consumer instance always have 0 partition assigned
以下是相同的截图
No partitions assigned to first consumer instance
No partitions assigned to last consumer instance
We also suspect clustering of kafka. When we had only 1 kafka node partition assignment to consumer instance and re-balancing was working fine. But after going into multi-node cluster we are facing this issue