Kafka 消费 lag 涨到 40 万条 实时看板人数停在 0

kafka-consumer-groups.sh --bootstrap-server broker:9092 \
  --describe --group stat-realtime
# 重点看 LAG 和 CONSUMER-ID 是否为空

实时看板在线人数显示 0，持续了四十分钟，埋点接口本身返回 200，Kafka 里那个 topic 的 lag 从 200 涨到 40 万。这类现象通常不是突然出现的，往前翻半天日志能看到苗头。

追下去是这么回事：消费组里两个实例有一个卡在 rebalance，分区没人消费，数据堆在 broker 上。看板读的是聚合后的结果表，自然一直是旧值。

「Kafka 消费延迟」改完先别急着全量，挑一台机器放半天，真有问题这段时间就能看出来。同一份配置存在多处的，先确认改的是被加载的那一份。

新版本先放一台机器上跑一天再全量，问题一般在这段时间暴露。备份不是备了就行，恢复一次才算数，很多备份文件打开才发现是空的。

处理上按这个顺序：先看消费组的 lag 和分区分配，确认是不是有实例掉线；重启卡住的实例，观察 lag 是否开始下降；给 lag 设阈值告警，别等看板归零才发现；消费逻辑加幂等，补数据时不会重复计数。

确认没问题再收工，lag 在十分钟内降到 1000 以下，看板在线人数恢复到正常区间。