1.spark可以通過checkpoint的方式來維護kafka的偏移量，配置簡單，只需要配置checkpoint的路徑就可以完成偏移量的維護，如果本身spark業務就採用了state狀態，那麼既不需要額外配置即可確保偏移量的維護。
原理：spark會將kafka spark straming處理的topic以及對應消費偏移量持久化到文件當中，當spark任務崩潰後，保存在持久化文件的偏移量將會通過反序列化得到，達到繼續崩潰前的偏移量繼續消費的目的。
優點：配置方便，幾乎不需要額外的代碼量。
缺點：本身不需要state的任務會有一些額外要注意的點，廣播變量在恢復的時候需要 重新廣播，否則再重新訪問時將會直接崩潰。同一批數據如果存在問題沒有正常trycatch，再下次恢復重啓後將會直接跳過該批數據，對數據的質量存在一定風險。Spark一些配置修改之後，需要刪除checkpoint目錄才能起作用，也會導致偏移量的失去。環境中的kafka如果被清空，也需要刪除kafka目錄，否則無法恢復。
2.spark在010的kafka api中給出了異步提交偏移量的接口，可以通過將偏移量提交的方式來維護偏移量在kafka上。
原理：在kafka stream每批rdd生成的compute()方法中，將會在末尾異步提交之前的偏移量到kafka上，而發送的具體偏移量是在rdd處理的末尾通過commitAsync()提交到stream的。
優點：可以規避checkpoint帶來的一些約束，修改配置不需要刪除checkpoint文件也不會導致偏移量的丟失，環境中的kafka被清空只需要簡單重啓就能解決。
缺點：對代碼的編寫規範具有要求，如果任務的try catch不全面將會導致無法規避掉的崩潰問題，只有修改代碼或者更換groupid能夠解決。