消费者从Broker中获取消息的方式有两种：pull拉取方式和push推动方式。
消费者组对于消息消费的模式又分为两种：集群消费Clustering和广播消费Broadcasting。
1.获取消费类型
拉取式消费
Consumer主动从Broker中拉取 消息，主动权由Consumer控制。一旦获取了批量消息，就会启动消费过程。不过，该方式的实时性比较若，即Broker中有了新的消息时消费者并不能及时发现并消费。
由于拉取时间间隔是由用户指定的，所以在设置该间隔时需要注意平稳：间隔太短，空请求比例会增加；间隔太长，消息的实时性太差。
推送式消费
该模式下Broker收到数据后会主动推送给Consumer。该获取方式一般实时性较高。
该方式是典型的发布订阅模式，即Consumer向其关联的Queue注册了监听器，一旦发现有新的消息到来就会触发回调的执行，回调方法是Consumer去Queue中拉取消息。而这些都是基于Consumer与Broker间的长连接的。长连接的维护是需要消耗系统资源的。
对比
- pull：需要应用去实现对关联Queue的遍历，实时性差；但便于应用控制消息的拉取。
- push：封装了对关联Queue的遍历，实时性强，但会占用较多的系统资源
2.消费模式
广播消费
广播消费模式下，相同ConsumerGroup的每个Consumer实例都会接收同一个Topic的全量消息。即每条消息都会被发送到Consumer Group中的每个Consumer。
集群消费
集群消费模式下，相同Consumer Group的每个Consumer实例平均分摊同一个Topic的消息。即每条消息只会被发送到ConsumerGroup中的某个Consumer。
消息进度保存
- 广播模式：消费进度保存在consumer端。因为广播模式下consumer group中每个consumer都会消费所有消息，但他们的消费进度是不同的。所以consumer各自保存各自的消费进度。
- 集群模式：消费进度保存在broker中。consumer group中的所有consumer共同消费同一个Topic中的消息，同一条消息只会被消费一次。消费进度会参与到了消费的负载均衡中，故消费进度是需要共享的。
3.Rebalance机制
Rebalance机制讨论的前提是：集群消费。
什么是Rebalance
Rebalance即再均衡，指的是，将一个Topic下的多个Queue在同一个Consumer Group中的多个Consumer间进行重新分配的过程。
Rebalance机制的本意是为了提升消息的并行消费能力。例如，一个Topic下5个队列，在只有一个消费者的情况下，这个消费者将负责消费者5个队列的消息。如果我们此时增加一个消费者，那么九可以给其中一个消费者分配2个队列，给另一个分配3个队列，从而提升消息的并行消费能力。
Rebalance限制
由于一个队列最多分配给一个消费者，因此当某个消费者组下的消费者实例数量大于队列的数量时，多余的消费者实例将分配不到任何队列。
Rebalance危害
Rebalance在提升消费能力的同时，也带来一些问题：
消费暂停：在只有一个Consumer时，其负责消费所有队列；在新增了一个Consumer后会触发Rebalance的发生。此时原Consumer就需要暂停部分队列的消费，等到这些队列分配给新的Consumer后，这些暂停消费的队列才能继续被消费。
消费重复：Consumer在消费新分配给自己的队列时，必须接着之前Consumer提交的消费进度的offset继续消费。然而默认情况下，offset是异步提交的，这个异步性导致提交到Broker的offset与Consumer实际消费的消息并不一致。这个不一致的差值就是可能会重复消费的消息。
同步提交：consumer提交了其消费完毕的一批消息的offset给broker后，需要等待Broker的成功ACK。当收到ACK后，consumer才会继续获取并消费下一批消息。在等待ACK期间，consumer是阻塞的。
异步提交：consumer提交了其消费完毕的一批消息的offset给broker后，不需要等待broker的成功ACK。consumer可以直接获取并消费下一批消息。
对于一次性读取消息的数量，需要根据具体业务场景选择一个相对均衡的策略是很有必要的。因为数量过大，系统性能提升了，但产生重复消费的消息数量可能会增加；数量国小，系统性能下降，但被重复消费的消息数量可能会减少
消费突刺：由于Rebalance可能导致重复消费，如果需要重复消费的消息过多，或者因为Rebalance暂停时间过长而导致积压了部分消息。那么又可能会导致在Rebalance结束之后瞬间需要消费很多消息。
Rebalance产生的原因
导致Rebalance产生的原因，无非就两个：消费者所订阅Topic的Queue数量发生变化，或消费者组中消费者的数量发生变化。
1）Queue数量发生变化的场景：
Broker扩容或缩容
Broker升级运维
Broker与NameServer间的网络异常
Queue扩容或缩容
2）消费者数量发生变化的场景：
Consumer Group扩容或缩容
Consumer升级运维
Consumer与NameServer间网络异常
Rebalance过程
在Broker中维护着多个Map集合，这些集合中动态存放着当前Topic中Queue的信息、ConsumerGroup中Consumer实例的信息。一旦发现消费者所订阅的Queue数量发生变化，或消费者的数量发生变化，立即向ConsumerGroup中的每个实例发出Rebalance通知。
与Kafka的对比
在Kafka中，一旦发现出现了Rebalance条件，Broker会调用Group Coordinator来完成ReBalance。
Coordinator是Broker中的一个进程。Coordinator会在Consumer Group中选出一个Group Leader。由于这个Leader根据自己本身组情况完成Parition分区的再分配。这个再分配结果会上报给Coordinator，并由Coordinator同步给Group中的所有Consumer实例。
Kafka中的Rebalance是由Consumer Leader完成的。而RocketMQ中的Rebalance是由每个Consumer自身完成的，Group中不存在Leader。
4.Queue分配算法
一个Topic中的Queue只能由Consumer Group中的一个Consumer进行消费，而一个Consumer可以同时消费多个Queue中的消息。那么Queue与Consumer间的配对关系是如何确定的，即Queue要分配给哪个Consumer进行消费，也是有算法策略的。常见的有四种策略，这些策略是通过在创建Consumer时的构造器传进去的。
4.1平均分配策略
该算法主要时根据avg = QueueCount / ConsumerCount的计算结果进行分配的。如果能够整除，则按顺序将avg个Queue逐个分配Consumer；如果不能整除，则将多余处的Queue按照Consumer顺序逐个分配。
4.2环境平均策略
环形平均算法是指，根据消费者的顺序，一次在由queue队列组成的环形图中逐个分配。
该算法不用事先计算每个Consumer需要分配几个Queue，直接一个一个分即可。
4.3一致性hash策略
该算法会将consumer的hash值作为Node节点存放到hash环上，然后将queue的hash值也放到hash环上，通过顺时针方向，距离queue最近的那个consumer就是该queue要分配的consumer。
4.4同机房策略
该算法会根据queue的部署机房位置和consumer的位置，过滤出当前consumer相同机房的queue。然后按照平均分配策略或环形平均策略对同机房queue进行分配。如果没有同机房queue，则按照平均分配策略或环形平均策略对所有queue进行分配。
4.5对比
一致性hash存在的问题：
两种平均分配策略的分配效率高，一致性hash策略的较低。因为一致性hash算法较复杂。另外，一致性hash策略分配的结果也很大可能上存在不平均的情况。
一致性hash算法存在的意义：
其可以有效减少由于消费者组扩容或缩容所带来的大量Rebalance
一致性hash算法的应用场景：
Consumer数量变化较频繁的场景。
5.至少一次原则
RocketMQ由一个原则：每条消息必须要被成功消费一次。
那什么是成功消费呢？Consumer在消费完消息后会向其消费进度记录器提交消费消息的offser，offset被成功记录到记录器中，那么这条消费就被成功消费了。
什么是消费进度记录器？
对于广播消费模式来说，Consumer本身就是消费进度记录器。
对于集群消费模式来说，Broker是消费进度记录器。