避免高CPU使用率的Kafka消费者设置可以通过以下几个方法来实现：

1. 增加消费者的分区数量：如果消费者处理速度跟不上消息的产生速度，可以增加消费者的分区数量来提高并发处理能力。可以使用KafkaConsumer的subscribe方法来设置消费者的分区数量。

from kafka import KafkaConsumer

consumer = KafkaConsumer(bootstrap_servers='localhost:9092',
                         group_id='my-group',
                         enable_auto_commit=True,
                         auto_commit_interval_ms=1000)

# 增加消费者的分区数量
consumer.subscribe(topics=['my-topic'], partitions=[0, 1, 2])

2. 调整消费者的fetch_max_bytes和fetch_max_wait_ms参数：这两个参数控制消费者从Kafka服务器拉取消息的批量大小和等待时间。可以根据实际情况调整这两个参数，以提高消费者的处理效率。

from kafka import KafkaConsumer

consumer = KafkaConsumer(bootstrap_servers='localhost:9092',
                         group_id='my-group',
                         enable_auto_commit=True,
                         auto_commit_interval_ms=1000,
                         fetch_max_bytes=1024 * 1024,  # 1MB
                         fetch_max_wait_ms=500)

consumer.subscribe(topics=['my-topic'])

3. 使用多线程或多进程消费消息：如果消费者处理逻辑复杂或者需要进行一些耗时操作，可以考虑将消费消息的逻辑放在多个线程或多个进程中并发执行，以提高处理能力。

import threading
from kafka import KafkaConsumer

def consume_message(message):
    # 处理消息的逻辑
    pass

def consume_messages():
    consumer = KafkaConsumer(bootstrap_servers='localhost:9092',
                             group_id='my-group',
                             enable_auto_commit=True,
                             auto_commit_interval_ms=1000)

    consumer.subscribe(topics=['my-topic'])

    for message in consumer:
        threading.Thread(target=consume_message, args=(message,)).start()

consume_messages()

通过以上方法，可以有效地避免高CPU使用率的Kafka消费者设置问题，并提高消费者的处理效率。根据实际情况，可以选择适合的方法来解决问题。