首先，你要放空你之前kafka分区的相关知识，从零开始去领会Stream分区，以免造成理解上的困扰。

需要JAVA Spring Cloud大型企业分布式微服务云构建的B2B2C电子商务平台源码 一零三八七七四六二六

Stream提供了一个通用的抽象，用于统一方式进行分区处理，和具体使用的中间件无关，因此分区可以用于自带分区的代理（如kafka）或者不带分区的代理（如rabbiemq），这句话要反复读几遍。

Stream支持在一个应用程序的多个实例之间数据分区，N个生产者的数据会发送给M个消费者，并保证共同的特性的数据由相同的消费者实例处理，这会提升你处理能力。

Stream使用多实例进行分区数据处理是一个复杂设置，分区功能需要在生产者与消费者两端配置，SpringCloudDataFlow可以显著的简化过程，而且当你没有用SpringCloudDataFlow时，会给你的配置带来一些不便，需要你提前规划好，而不能再应用启动后动态追加。

下面是生产者有效的和典型的配置（Output Bindings）

spring.cloud.stream.bindings.
    
     .producer.partitionKeyExpression=payload.idspring.cloud.stream.bindings.
     
      .producer.partitionCount=5复制代码
     
    

分区key的值是基于partitionKeyExpression计算得出的，用于每个消息被发送至对应分区的输出channel，partitionKeyExpression是spirng EL表达式用以提取分区键

下面是消费者有效的和典型的配置（Input Bindings）

spring.cloud.stream.bindings.input.consumer.partitioned=truespring.cloud.stream.instanceIndex=3spring.cloud.stream.instanceCount=5复制代码

instanceCount表示应用实例的总数，instanceIndex在多个实例中必须唯一，并介于0~（instanceCount-1）之间。实例的索引可以帮助每个实例确定唯一的接收数据的分区，正确的设置这两个值十分重要，用来确保所有的数据被消费，以及应用实例接收相互排斥不重复消费。