Kafka的使用场景

Kafka的核心使用场景围绕高吞吐、持久化、实时性三大特性展开，主要分为四大类：

1. 日志/数据收集（最经典场景）

将多台服务器、应用、设备产生的日志或数据（如用户行为、系统指标）统一汇聚到Kafka，再分发给下游系统（如ELK日志分析平台、监控系统）。

例如：电商APP收集用户的“点击商品”“加入购物车”行为日志，通过Kafka实时传输到数据仓库。

2. 系统解耦与消息通信（替代传统MQ）

作为中间件隔离上下游系统，上游系统（生产者）只需向Kafka发送消息，无需关心下游（消费者）是否在线或如何处理，实现“异步通信”。

例如：外卖平台的“用户下单”系统，向Kafka发送订单消息后即可返回，下游的“商家接单”“骑手派单”“支付确认”系统各自订阅消息处理，避免系统间直接依赖。

3. 实时流数据处理（核心能力场景）

配合Flink、Spark Streaming等流处理框架，对实时产生的数据进行毫秒/秒级计算，输出即时结果。

例如：直播平台通过Kafka实时接收“用户送礼”“弹幕发送”数据，结合Flink计算实时弹幕热度、主播瞬时收入，并实时展示在前端。

4. 数据同步与备份（可靠存储场景）

利用Kafka的持久化特性，将核心数据暂存并同步到其他系统（如数据库、数据湖），确保数据不丢失且多端一致。

例如：银行核心系统将“用户转账”记录写入Kafka，下游同步到交易数据库备份，同时供风控系统实时读取分析是否为异常交易。