Spark Streaming + Kafka Integrat

新的Kafka消费者API可以预获取消息缓存到缓冲区，因此Spark整合Kafka让消费者在executor上进行缓存对性能是非常有助的，可以调度消费者所在主机位置的分区。

 LocationStrategies.PreferConsistent：这个策略会将分区分布到所有可获得的executor上。

 LocationStrategies.PreferBrokers：如果你的executor和kafkabroker在同一主机上的话，可以使用PreferBrokers，这样kafka leader会为此分区进行调度。

 LocationStrategies.PreferFixed： 如果你加载数据有倾斜的话可以使用PreferFixed，这将允许你制定一个分区和主机的映射（没有指定的分区将使用PreferConsistent 策略）

消费者默认缓存大小是64，如果你期望处理较大的Kafka分区的话，你可以使用spark.streaming.kafka.consumer.cache.maxCapacity设置大小。缓存是使用key为topicpartition 和组id的，因此对于每一次调用createDirectStream可以使用不同的group.id

ConsumerStrategies（消费策略）

新的kafka消费者API有一些不同的指定topic的方式，其中一些方式需要实例化对象之后进行大量的配置，ConsumerStrategies 提供了一个抽象允许Spark为consumer获取适合的配置，甚至在checkpoint重启之后也可以获取适合的配置。

ConsumerStrategies.Subscribe正如上面所述，你可以使用它去订阅一个topics集合，SubscribePattern可以定于匹配表达式的topics。注意：0.10.0的整合不像0.8的整合，使用 Subscribe 或SubscribePattern 会在运行流时候添加分区。最后，Assign可以指定一个分区的集合，这三种策略有重载构造函数，允许你指定分区和对应的偏移。

 如果上面配置之后的consumer仍然无法满足你的需求的话，ConsumerStrategy 是一个public ckass，你可以继承并进行定义。