流处理与传统消息处理的基本区别是什么？正如人们所说，kafka 是流处理的好选择，但本质上 kafka 是一个类似于 ActivMQ、RabbitMQ 等的消息传递框架。
为什么我们通常不说 ActiveMQ 也适用于流处理。
是消费者消费消息的速度决定了它是否是流吗？
【问题讨论】：
标签： stream queue rabbitmq apache-kafka messaging
Kafka 基本上是类似于 ActiveMQ 或 RabbitMQ 的消息传递框架。 Confluent 做出了一些努力来将 Kafka 推向流媒体。
https://www.confluent.io/blog/introducing-kafka-streams-stream-processing-made-simple/
那为什么在谈到流处理时会出现 Kafka 呢？
流处理框架因数据输入而异。在批处理中，您有一些文件存储在文件系统中，您希望不断处理这些文件并存储在某个数据库中。在 Spark、Storm 等流处理框架中，会从一些传感器设备获得连续输入，而 api feed 和 kafka 则用于为流引擎提供数据。
【讨论】：
在传统的消息处理中，您对消息应用简单的计算——在大多数情况下，每条消息单独计算。
在流处理中，您同时对多个输入流和多个记录（即消息）应用复杂操作（如聚合和连接）。
此外，传统的消息传递系统不能“回到过去”——即，它们会在消息传递给所有订阅的消费者后自动删除消息。相比之下，Kafka 使用基于拉的模型（即，消费者从 Kafka 中拉出数据）将消息保留一段可配置的时间。这允许消费者“倒带”并多次消费消息——或者如果你添加一个新的消费者，它可以读取完整的历史记录。这使得流处理成为可能，因为它允许更复杂的应用程序。此外，流处理不一定是实时处理——它是处理无限输入流（与应用于有限输入的批处理相反）。
而且 Kafka 提供 Kafka Connect 和 Streams API——因此它是一个流处理平台，而不仅仅是一个消息传递/发布订阅系统（即使它在其核心中使用它）。
【讨论】：
如果你喜欢分头发： 消息是两个或多个进程或组件之间的通信，而流是在事件日志发生时传递它们。消息携带原始数据，而事件包含有关订单的发生和活动的信息。 所以 Kafka 两者兼而有之，消息传递和流式传输。 Kafka 中的主题可以是原始消息，也可以是通常保留数小时或数天的事件日志。事件可以进一步聚合成更复杂的事件。
【讨论】：
消息处理意味着对个人消息的操作和/或使用。流处理包括对单个消息的操作和/或使用单个消息以及在消息流入系统时对消息集合的操作。例如，假设交易进入支付工具 - 流处理可用于连续计算每小时平均支出。在这种情况下 - 可以在流上施加一个滑动窗口，该窗口在一小时内接收消息并计算数量的平均值。然后可以将这些数字用作欺诈检测系统的输入
【讨论】：
虽然 Rabbit 支持流式传输，但实际上并不是为它构建的（参见 Rabbit 的网站） Rabbit 是消息代理，Kafka 是事件流平台。
Kafka 可以处理大量发往 Rabbit 的“消息”。 Kafka 是一个日志，而 Rabbit 是一个队列，这意味着一旦被消费，Rabbit 的消息将不再存在，以备不时之需。
但是 Rabbit 可以指定消息优先级，但 Kafka 不能。
这取决于您的需求。
【讨论】：
最近看到一篇非常好的文档，描述了“流处理”和“消息处理”的用法
https://developer.ibm.com/technologies/messaging/articles/difference-between-events-and-messages/
在上下文中进行异步处理-
流处理： 当有“处理请求”时考虑它，即客户端请求服务器处理。
消息处理： 在“访问企业数据”时考虑它，即企业内的组件可以发出描述其当前状态的数据。该数据通常不包含另一个系统完成操作的直接指令。相反，组件允许其他系统深入了解其数据和状态。
为便于评估，在为您的解决方案选择合适的技术时，请考虑以下关键选择标准：
事件历史 - 卡夫卡 细粒度订阅——Kafka 可扩展消费——卡夫卡 事务行为 - MQ
【讨论】：