Apache kafka 反应器Kafka异步保证顺序消息消耗失败

reactor Kafka文档概述了用于按顺序使用来自Kafka分区的消息的示例代码，但是在示例代码中，处理方法是同步的。根据一些局部测试，顺序处理和背压在该特定样本中工作良好

public Flux<?> flux() {
            Scheduler scheduler = Schedulers.newBoundedElastic(60, Integer.MAX_VALUE, "sample", 60, true);
            return KafkaReceiver.create(receiverOptions(Collections.singleton(topic)).commitInterval(Duration.ZERO))
                            .receive()
                            .groupBy(m -> m.receiverOffset().topicPartition())
                            .flatMap(partitionFlux -> partitionFlux.publishOn(scheduler)
                                                                   .map(r -> processRecord(partitionFlux.key(), r))
                                                                   .sample(Duration.ofMillis(5000))
                                                                   .concatMap(offset -> offset.commit()))
                            .doOnCancel(() -> close());
        }
        public ReceiverOffset processRecord(TopicPartition topicPartition, ReceiverRecord<Integer, Person> message) {
            log.info("Processing record {} from partition {} in thread{}",
                    message.value().id(), topicPartition, Thread.currentThread().getName());
            return message.receiverOffset();
        }

公共流量（）{
Scheduler Scheduler=Schedulers.newboundedelistic（60，Integer.MAX_值，“sample”，60，true）；
返回KafkaReceiver.create（receiverOptions（Collections.singleton（topic））.commitInterval（Duration.ZERO））
.receive（）
.groupBy（m->m.receiverOffset（）.topicPartition（））
.flatMap（partitionFlux->partitionFlux.publishOn（调度器）
.map（r->processRecord（partitionFlux.key（），r））
.样本（持续时间：百万（5000））
.concatMap（offset->offset.commit（））
.doOnCancel（（）->close（））；
}
公共ReceiverOffset进程记录（TopicPartition TopicPartition，ReceiverRecord消息）{
info（“正在处理来自线程{}中分区{}的记录{}”，
message.value（）.id（），topicPartition，Thread.currentThread（）.getName（））；
返回消息。receiverOffset（）；
}

我们的用例将处理逻辑作为一个异步函数，如下图所示，因此我们的用例中的processRecord返回一个Mono。processRecord方法大约需要3-4秒才能完成，在这种情况下，流量不受背压的影响。越来越多的消息被提取，而之前的消息没有被使用。这会导致系统逐渐变得不稳定，并最终导致OutOfMemory异常。遵守订单，但背压不适用

public Mono<ReceiverOffset> processRecord(TopicPartition topicPartition, ReceiverRecord<Integer, Person> message) {
            log.info("Processing record {} from partition {} in thread{}",
                    message.value().id(), topicPartition, Thread.currentThread().getName());
....
        }

公共Mono进程记录（TopicPartition TopicPartition，ReceiverRecord消息）{
info（“正在处理来自线程{}中分区{}的记录{}”，
message.value（）.id（），topicPartition，Thread.currentThread（）.getName（））；
....
}

我们是否有一个使用reactor从kafka异步消费消息的示例