Kafka消费者组Rebalance风暴：如何在不改业务代码的前提下实现『检测→告警→自愈』闭环？

【背景】 我们线上有30+个Kafka消费者组，最近7天平均每天发生12次Rebalance风暴，导致数据积压+消费延迟，甚至引发过3次业务降级。

【常见分歧】

1. 参数调优派：主张调max.poll.interval.ms/heartbeat.interval.ms等参数
2. 架构改造派：要求拆分Topic/引入Kafka MirrorMaker
3. 『半自动』派：用Prometheus+AlertManager监控+脚本强制kill消费进程

【我的倾向】 建议先做3步：

1. 用JMX抓取ConsumerLag指标，配合KafkaConsumerGroupCommand分析消费进度（具体命令：kafka-consumer-groups.sh --describe --bootstrap-server=... --group=...）
2. 部署Sidecar代理层，用Envoy+Lua脚本实现『消费进度异常→自动扩容消费者』的闭环（需配置xds.json模板）
3. 用Kafka MirrorMaker2做消费组隔离，避免跨业务数据竞争

【想听大家】 你们线上如何处理Rebalance风暴？是否有过『不改业务代码』的自愈方案？欢迎分享具体参数配置/架构图/失败案例