Kafka 最初是为海量日志处理而构建的。它保留消息直到过期，并让消费者按照自己的节奏提取消息。与它的前辈不同，Kafka 不仅仅是一个消息队列，它还是一个适用于各种情况的开源事件流平台。

1. 日志处理与分析

• 下图显示了典型的 ELK（Elastic-Logstash-Kibana）堆栈。Kafka 有效地从每个实例收集日志流。
• ElasticSearch 使用来自 Kafka 的日志并为其建立索引。Kibana 在 ElasticSearch 之上提供了搜索和可视化 UI。

2. 推荐中的数据流

• 大型电子商务网站使用过去的行为和相似的用户来计算产品推荐。
• 下图展示了推荐系统的工作原理。Kafka 传输原始点击流数据，Flink 对其进行处理，模型训练则使用来自数据湖的聚合数据。
• 这使得能够持续改进每个用户的推荐的相关性。Kafka 的另一个重要用例是实时点击流分析。

3. 系统监控与报警

• 与日志分析系统类似，我们需要收集系统指标以进行监控和故障排除。
• 区别在于指标是结构化数据，而日志是非结构化文本。指标数据发送到 Kafka 并在 Flink 中聚合。聚合数据由实时监控仪表板和警报系统使用。

4. CDC（变更数据捕获）

• 更改数据捕获 (CDC) 将数据库更改流式传输到其他系统以进行复制或缓存/索引更新。
• Kafka 还是构建数据管道的绝佳工具，这意味着您可以使用它从各种来源获取数据、应用处理规则并将数据存储在仓库、数据湖或数据网格中。
• 例如，在下图中，事务日志发送到 Kafka 并由 ElasticSearch、Redis 和辅助数据库摄取。

5. 系统迁移

• 升级遗留服务具有挑战性——旧的语言、复杂的逻辑和缺乏测试。我们可以通过利用消息传递中间件来降低风险。
• 在下图中，为了升级下图中的订单服务，我们更新旧的订单服务以使用来自 Kafka 的输入并将结果写入 ORDER 主题。新订单服务使用相同的输入并将结果写入 ORDERNEW 主题。
• 调节服务比较 ORDER 和 ORDERNEW。如果它们相同，则新服务通过测试。

6. 事件溯源

• 事件溯源就是捕获一系列事件中状态的变化。通常使用 Kafka 作为主要事件存储。如果发生任何故障、回滚或需要重建状态，您可以随时重新应用 Kafka 中的事件。

7. 消息传递

• Kafka 最好和最常见的用例之一是作为消息队列。Kafka 为您提供了一个可靠且可扩展的消息队列，可以处理大量数据。
• 我们可以将您的消息组织成“主题”，这意味着您将每条消息发布到一个特定主题，而另一方面，消费者将订阅一个或多个主题并消费其中的消息。
• 微服务之间解耦通信的最大优点是，您可以随时向这些事件添加新服务，而无需增加系统的复杂性或不必更改任何源代码。

8. 提交日志

• Kafka 可以充当分布式系统的一种外部提交日志。日志有助于在节点之间复制数据，并充当故障节点恢复数据的重新同步机制。
• Kafka 中的日志压缩功能有助于支持这种用法。