Kafka Streams任务在什么场景下会被分配多个输入分区？

首先你提到的「所有主题的最大分区数决定了任务的数量」是 Kafka Streams 任务分配的核心规则，而AbstractTask中用Set<TopicPartition>类型定义inputPartitions，也从代码层面说明单个任务天生就支持持有多个分区，常见场景如下：

• 多源主题的同编号分区分配
  如果你的流处理拓扑包含多个输入源主题，且所有源主题的分区数完全一致，Kafka Streams 会将不同源主题的同编号分区分配给同一个任务处理。
  举个例子：假设你有订单、支付两个源主题，都配置了4个分区，流拓扑同时消费这两个主题做关联计算。此时流任务总数量等于所有源主题的最大分区数也就是4，每个任务会同时拿到订单主题的第N个分区、支付主题的第N个分区，对应inputPartitions集合里就会包含2个TopicPartition对象。
• 全局状态存储的源主题全分区分配
  如果你在拓扑中定义了全局状态存储（GlobalKTable），每个流实例都会启动一个专用的同步任务，消费全局状态对应源主题的全部分区来更新本地状态，这种场景下这个专用任务的inputPartitions会包含该源主题的所有分区。
• 开启任务合并特性后的分区合并
  Kafka Streams 从2.8版本开始引入任务合并能力，当你开启task.merging.enabled配置，且集群任务负载较低时，框架会自动把属于同一个子拓扑、不存在处理顺序冲突的多个分区，合并分配给同一个任务处理，减少任务数量降低调度和资源开销，这种场景下单个任务也会持有多个分区。

注：如果拓扑只有一个输入源主题，也没有开启任务合并、也没用全局状态存储，正常情况下每个任务只会分配到1个分区。

内容的提问来源于stack exchange，提问作者Jacek Laskowski