只会做消息推送？大数据开发必备kafka使用场景“最佳实践”[通俗易懂]

在实际的使用场景中，Kafka有着广泛的应用。例如，日志收集、消息系统、活动追踪、运营指标、流式处理、事件源等。

1．日志收集在实际工作中，系统和应用程序都会产生大量的日志。为了方便管理这些日志，可以利用Kafka将这些零散的日志收集到Kafka集群中，然后通过Kafka的统一接口将这些数据开放给不同的消费者（Consumer）。统一接口包括：Hadoop的应用接口、HBase的应用接口、ElasticSearch的应用接口等。

2．消息系统线上业务流量很大的应用，可以使用Kafka作为缓冲，以减少服务端的压力。这样能够有效地解耦生产者（Producer）和消费者（Consumer），以及缓冲消息数据。

3．用户轨迹可使用Kafka记录浏览器用户或者手机App用户产生的各种记录，例如浏览的网页、搜索的内容、点击的内容等。这些用户活动信息会被服务器收集Kafka集群中进行存储，然后消费者通过“消费”这些活动数据来做实时分析，或者加载到Hive数据仓库做离线数据分析与挖掘。

4．记录运营监控数据Kafka也可用来记录运营监控数据，包括收集各种分布式应用系统的数据（如Hadoop系统、Hive系统、HBase系统等）。

5．实现流处理Kafka是一个流处理平台，所以在实际应用场景中也会与其他大数据套件结合使用，例如Spark Streaming、Storm、Flink等。

6．事件源事件源是一种应用程序的设计风格，其中状态更改会产生一条带有时间戳的记录，然后将这条以时间序列产生的记录进行保存。在面对非常大的存储数据时，可以使用这种方式来构建非常优秀的后端程序。