Kafka在0.10.0.0版本以前的定位是分布式，分区化的，带备份机制的日志提交服务。而kafka在这之前也没有提供数据处理的顾服务。大家的流处理计算主要是还是依赖于Storm，Spark Streaming，Flink等流式处理框架。
Storm，Spark Streaming，Flink流处理的三驾马车各有各的优势.
Kafka Streams编写关键任务实时应用程序和微服务的最简单方法，是一个用于构建应用程序和微服务的客户端库，其中输入和输出数据存储在Kafka集群中。它结合了在客户端编写和部署标准Java和Scala应用程序的简单性和Kafka服务器端集群技术的优点。
截至2019年7月8日 最新版本为 2.3.0 2.12为编译的scala版本 2.3.0为kafka版本
(1)Stream 从topic中取出每一条数据记录 （<key, value>格式）： <null, “Spark and spark”>
Kafka在0.10版本推出了Stream API，提供了对存储在Kafka内的数据进行流式处理和分析的能力。
kafka的背景知识已经讲了很多了，让我们现在开始实践吧，假设你现在没有Kafka和ZooKeeper环境。
壹 下载 注意:别下成源文件了！ 带src的是源文件,如： Source download: kafka-0.10.1.0-src.tgz (asc, md5) 你应该下的是： Scala 2.11 - kafka_2.11-0.10.1.0.tgz (asc, md5) 推荐下载scala 2.11版本的 你可以登录Apache kafka 官方下载。 http://kafka.apache.org/downloads.html 贰 安装与启动 kafka的背景知识已经讲了很多了，让我们现在开始实践吧，假
kafka呢其实正道不是消息队列，本质是日志存储系统，而stream processing是其最近大力推广的特性，本文简单介绍下word count的实例。
Kafka Streams。Apache Kafka开源项目的一个组成部分。是一个功能强大，易于使用的库。用于在Kafka上构建高可分布式、拓展性，容错的应用程序。
最近因为项目需要所以需要使用kafka 所以自己最近也实践了下。下面为大家简单介绍下在windows下的安装使用
1.1 Introduction Kafka is a distributed streaming platform. What exactly does that mean? kafka是一个分布式
Kafka流通过构建Kafka生产者和消费者库，并利用Kafka的本地功能来提供数据并行性、分布式协调、容错和操作简单性，从而简化了应用程序开发。 下图展示了一个使用Kafka Streams库的应用程序的结构。
Apache Kafka 是由 Apache 软件基金会开发的开源分布式流处理平台。最初是由 LinkedIn 团队开发，用于处理该公司产生的大量实时数据。Kafka 的设计旨在处理大型数据流并提供实时数据处理能力。
通过Kafka的快速入门 https://www.cnblogs.com/tree1123/p/11150927.html
最后一个脚本是执行另一个脚本：kafka-run-class.sh，这个脚本的内容比较复杂了。
流处理平台（Streaming Systems）是处理无限数据集（Unbounded Dataset）的数据处理引擎，而流处理是与批处理（Batch Processing）相对应的。所谓的无线数据，指的是数据永远没有尽头。而流处理平台就是专门处理这种数据集的系统或框架。下图生动形象地展示了流处理和批处理的区别：
在这个博客系列的第1部分之后，Apache Kafka的Spring——第1部分:错误处理、消息转换和事务支持，在这里的第2部分中，我们将关注另一个增强开发者在Kafka上构建流应用程序时体验的项目:Spring Cloud Stream。
事件溯源作为一种应用程序体系结构模式越来越流行。事件源涉及将应用程序进行的状态更改建模为事件的不可变序列或“日志”。事件源不是在现场修改应用程序的状态，而是将触发状态更改的事件存储在不可变的日志中，并将状态更改建模为对日志中事件的响应。我们之前曾写过有关事件源，Apache Kafka及其相关性的文章。在本文中，我将进一步探讨这些想法，并展示流处理（尤其是Kafka Streams）如何帮助将事件源和CQRS付诸实践。
文章有点长，但是写的都挺直白的，慢慢看下来还是比较容易看懂，从Kafka的大体简介到Kafka的周边产品比较，再到Kafka与Zookeeper的关系，进一步理解Kafka的特性，包括Kafka的分区和副本以及消费组的特点及应用场景简介。
众所周知，Apache Kafka是基于生产者和消费者模型作为开源的分布式发布订阅消息系统（当然，目前Kafka定位于an open-source distributed event streaming platform），由Scala和Java编写。
•Kafka Stream 提供了一个非常简单而轻量的 Library，它可以非常方便地嵌入任意Java应用中，也可以任意方式打包和部署•除了 Kafka 外，无任何外部依赖•充分利用 Kafka 分区机制实现水平扩展和顺序性保证•通过可容错的 state store 实现高效的状态操作（如 windowed join 和aggregation）•支持正好一次处理语义•提供记录级的处理能力，从而实现毫秒级的低延迟•支持基于事件时间的窗口操作，并且可处理晚到的数据（late arrival of records）•同时提供底层的处理原语 Processor（类似于 Storm 的 spout 和 bolt），以及高层抽象的DSL（类似于 Spark 的 map/group/reduce）
作者 | 吴惠君，吕能，符茂松 责编 | 郭芮 【导语】本文对比了Heron和常见的流处理项目，包括Storm、Flink、Spark Streaming和Kafka Streams，归纳了系统选型的要点。此外实践了Heron的一个案例，以及讨论了Heron在这一年开发的新特性。 在今年6月期的“基础篇”中，我们通过学习Heron[1][2][3]的基本概念、整体架构和核心组件等内容，对Heron的设计、运行等方面有了基本的了解。在这一期的“应用篇”中，我们将Heron与其他流行的实时流处理系统（Apach
译者注：本文介绍了两大常用的流式处理框架，Spark Streaming和Kafka Stream，并对他们各自的特点做了详细说明，以帮助读者在不同的场景下对框架进行选择。以下是译文。 流式处理的需求每天都在增加，仅仅对大量的数据进行处理是不够的。数据必须快速地得到处理，以便企业能够实时地对不断变化的业务环境做出反应。 流式处理是持续而又并发地对数据进行实时处理。流式处理是处理数据流或传感器数据的理想平台，而“复杂事件处理”（CEP）则利用了逐个事件处理和聚合等技术。 对于实时数据处理功能，我们有很多选择可
Spring Cloud Stream is a framework for building highly scalable event-driven microservices connected with shared messaging systems.
Cloudera在2019年9月18日正式对外宣布发布Cloudera Stream Processing(CSP)2.0，参考《Cloudera Streams Management正式GA》。Cloudera Stream Processing (CSP)提供了高级消息传递，流处理和流分析功能，这些功能由Apache Kafka作为核心流处理引擎提供支持。它同时为Kafka添加了两个流管理功能，Kafka监控和Kafka数据复制。Streams Messaging Manager（SMM）为Kafka集群提供了一个监控仪表板。Streams Replication Manager（SRM）为企业提供了实现跨集群Kafka topic复制的能力。
Kafka Stream是Apache Kafka从0.10版本引入的一个新Feature，它提供了对存储于Kafka内的数据进行流式处理和分析的功能。简而言之，Kafka Stream就是一个用来做流计算的类库，与Storm、Spark Streaming、Flink的作用类似，但要轻量得多。
摘抄自官网首页的一段话: Apache Kafka 是一个开源分布式事件流平台，被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用程序。
来源：https://www.jianshu.com/p/8d7f30f87f95
alpakka项目是一个基于akka-streams流处理编程工具的scala/java开源项目，通过提供connector连接各种数据源并在akka-streams里进行数据处理。alpakka-kafka就是alpakka项目里的kafka-connector。对于我们来说：可以用alpakka-kafka来对接kafka，使用kafka提供的功能。或者从另外一个角度讲：alpakka-kafka就是一个用akka-streams实现kafka功能的scala开发工具。
Kafka通过一个语言独立的协议发布其所有功能，这个协议在很多编程语言都有可用的客户端。不过只有Java客户端是作为主要Kafka项目的一部分来维护的，其他客户端是以独立的开源项目提供的。无Java客户端在这里提供。
6.交易属性 键 默认值 描述 spring.jta.atomikos.connectionfactory.borrow-connection-timeout 30 从池借用连接的超时时间（以秒为单位）。 spring.jta.atomikos.connectionfactory.ignore-session-transacted-flag true 创建会话时是否忽略事务标记。 spring.jta.atomikos.connectionfactory.local-transaction-mode fa
Kafka 2.0.0引入了线程协议的变化。通过遵循下面建议的滚动升级计划，您可以保证在升级期间不会出现停机。但是，请在升级之前查看2.0.0中的重大更改。
当当当，我又来啦。 Kafka是什么吖有小伙伴问。 顺手丢两个描述。 啊官网爸爸是这样说的： Apache Kafka™ is a distributed streaming platform. 度娘是这样说的： Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。 大蕉是这样说的： Kafka就是汪星人，有人丢飞盘就汪汪汪。 其实Kafka就是一个消息中间件，用来在进行N对N的消息传播，跟聊天室同一个道理，那么Kafka提供了什么样的功能呢？ It let
首先介绍kafka的监控原理，第三方工具也是通过这些来进行监控的，我们也可以自己去是实现监控，官网关于监控的文档地址如下：
本文来解析一下kafka streams的KStreamBuilder以及举例如何自定义kafka streams的processor
作为Apache Kafka深挖的博客系列第1部分和第2部分的后续,在第3部分中我们将讨论另一个Spring 团队的项目:Spring Cloud Data Flow,其重点是使开发人员能够轻松地开发、部署和协调事件流管道基于Apache Kafka。作为前一篇博客系列文章的延续，本文解释了Spring Cloud数据流如何帮助您提高开发人员的工作效率并管理基于apache - kafka的事件流应用程序开发。
Apache Kafka 是一个分布式开源流平台，被广泛应用于各大互联网公司。Kafka 设计之初被用于消息队列，自 2011 年由 LinkedIn 开源以来，Kafka 迅速从消息队列演变为成熟的事件流处理平台。
对于大数据集群来说，监控功能是非常必要的，通过日志判断故障低效，我们需要完整的指标来帮我们管理Kafka集群。本文讨论Kafka的监控以及一些常用的第三方监控工具。
Kafka 具有四个核心 API，借助这些 API，Kafka 可以用于以下两大类应用：
Kafka 设计之初被用于消息队列，自 2011 年由 LinkedIn 开源以来，Kafka 迅速从消息队列演变为成熟的事件流处理平台。
不论是哪种Kafka，本质上都基于core Apache Kafka 那就来说说Apache Kafka版本号的问题
在这篇文章中，我将解释Kafka Streams抑制的概念。尽管它看起来很容易理解，但还是有一些内在的问题/事情是必须要了解的。这是我上一篇博文CDC分析的延续。
上个月Cloudera发布Cloudera Stream Processing，这个解决方案让所有Cloudera客户都能获得最新的，安全版本的Apache Kafka以及Schema Registry和Kafka Streams。我们很自豪能够通过Kafka的实施为数百名活跃客户提供支持，现在我们渴望为更多的客户提供服务。
如果不了解各个版本之间的差异和功能变化，怎么能够准确地评判某Kafka版本是不是满足你的业务需求呢？
● Producer API 允许一个应用程序发布一串流式数据到一或多个Kafka topic。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
