Kafka Streams与Storm实时计算对比
Kafka Streams和Apache Storm都是实时流计算框架，但设计理念差异很大。请从应用模型（Library vs Framework）、部署方式、状态管理、Exactly-Once语义、消息语义、适用场景等方面进行对比。在什么场景下选择Kafka Streams，什么场景下选择Storm？
回答
Yahuda
Kafka Streams vs Storm 对比
| 维度 | Kafka Streams | Apache Storm |
|---|---|---|
| 本质 | Java库（Library），嵌入应用 | 分布式计算框架 |
| 部署 | 无需独立集群，随应用部署 | 需要Storm集群（Nimbus/Supervisor） |
| 状态 | 内置RocksDB状态存储 | 需外部存储（Redis/HBase） |
| Exactly-Once | 依托Kafka事务实现 | Trident API可实现 |
| 消息语义 | 至少一次/精确一次 | 至少一次/至多一次 |
| 开发成本 | 低，纯Java API | 较高，需理解Spout/Bolt模型 |
| 扩展性 | 随应用实例水平扩展 | 通过调整并行度扩展 |
选型建议
- 选Kafka Streams：轻量级ETL、数据管道、Kafka生态内处理；不想运维独立集群
- 选Storm：需要毫秒级超低延迟；已维护Storm集群；适合复杂DAG拓扑
现状：Storm已被Flink/Kafka Streams大幅替代，新项目建议优先考虑Flink