Kafka不是一个单纯的消息引擎系统，而是能够实现准确一次（Exactly-once）解决语义的实时流解决平台

Storm/Spark Streaming/Flink，在大规模流解决领域主流

Kafka经过这么长时间不断的迭代，现在已经能够稍稍比肩这些框架

• Kafka社区对于这些框架心存敬意
• 目前国内鲜有大厂将Kafka用于流解决的尴尬境地，毕竟Kafka是从消息引擎“半路出家”转型成流解决平台的，它在流解决方面的体现还需要经过时间的检验。

从流解决平台扩展到流解决生态圈，Kafka更是还有很长的路要走

Kafka Streams提供了Kafka实时解决流数据的能力

但是其实还有一个重要的组件Kafka Connect

在评估流解决平台时，框架本身的性能、所提供操作算子（Operator）的丰富程度诚然是重要的评判指标，但框架与上下游交互的能力也是非常重要的

能够与之进行数据传输的外部系统越多，围绕它打造的生态圈就越牢固，因此也就有更多的人愿意去使用它，从而形成正向反馈，不断地促进该生态圈的发展。

就Kafka而言，Kafka Connect通过一个个具体的连接器（Connector），串联起上下游的外部系统。

• 整个Kafka生态圈如下图所示

  

  外部系统只是Kafka Connect组件支持的一部分而已
  使用Kafka Connect组件的客户越来越多，相信在未来会有越来越多的人开发自己的连接器

清晰地理解Kafka的发展脉络和生态圈现状，对于指导我们选择合适的Kafka版本大有裨益

Kafka门派几何?

不是指版本，而是指存在多个组织或者公司发布不同的Kafka

你肯定听说过Linux发行版，比方CentOS、RedHat、Ubuntu等，都是Linux系统，但为什么有不同的名字呢？
其实就是由于它们是不同公司发布的Linux系统，即不同的发行版。虽说在Kafka领域没有发行版的概念，但你姑且可以这样近似地认为市面上确实存在着多个Kafka“发行版”。

下面我就来梳理一下这些所谓的“发行版”以及你应该如何选择它们。

当然了，“发行版”这个词用在Kafka框架上并不严谨，但为了便于我们区分这些不同的Kafka，勉强套用

Apache Kafka

最“正宗”的Kafka，也应该是你最熟习的发行版了。自Kafka开源伊始，它便在Apache基金会孵化并最终毕业成为顶级项目，它也被称为社区版Kafka

它是后面其余所有发行版的基础。也就是说，后面提到的发行版

• 原封不动地继承了Apache Kafka
• 在此之上扩展了新功能

总之Apache Kafka是我们学习和使用Kafka的基础。

Confluent Kafka

2014年，Kafka的3个创始人Jay Kreps、Naha Narkhede和饶军离开LinkedIn创办了Confluent公司，专注于提供基于Kafka的企业级流解决处理方案。
2019年1月，Confluent公司成功融资D轮1.25亿美元，估值也到了25亿美元，足见资本市场的青睐。

还说回Confluent公司，它主要从事商业化Kafka工具开发，并在此基础上发布了Confluent Kafka。Confluent Kafka提供了少量Apache Kafka没有的高级特性，比方跨数据中心备份、Schema注册中心以及集群监控工具等。

Cloudera/Hortonworks Kafka

Cloudera提供的CDH和Hortonworks提供的HDP是非常著名的大数据平台，里面集成了目前主流的大数据框架，能够帮助客户实现从分布式存储、集群调度、流解决到机器学习、实时数据库等全方位的数据解决

很多创业公司在搭建数据平台时首选就是这两个产品。不论是CDH还是HDP里面都集成了Apache Kafka

2018年10月两家公司宣布合并，共同打造世界领先的数据平台，也许以后CDH和HDP也会合并成一款产品，但能一定的是Apache Kafka仍然会包含其中，并作为新数据平台的一部分对外提供服务。

特点比较

Apache Kafka

仍然是开发人数最多、版本迭代速度最快的Kafka

在2018年度Apache基金会邮件列表开发者数量最多的Top 5排行榜中，Kafka社区邮件组排名第二位。假如你使用Apache Kafka碰到任何疑问并提交问题到社区，社区都会比较及时地响应你。这对于我们Kafka普通使用者来说无疑是非常友好的。

但是Apache Kafka的劣势在于它仅仅提供最最基础的组件，特别是对于前面提到的Kafka Connect而言，社区版Kafka只提供一种连接器，即读写磁盘文件的连接器，而没有与其余外部系统交互的连接器，在实际使用过程中需要自行编写代码实现，这是它的一个劣势

Apache Kafka没有提供任何监控框架或者工具。显然在线上环境不加监控一定是不可行的，你必然需要借助第三方的监控框架实现对Kafka的监控。好消息是目前有少量开源的监控框架可以帮助用于监控Kafka（比方Kafka manager）。

假如仅仅需要一个消息引擎系统亦或者是简单的流解决应用场景，同时需要对系统有较大把控度，那么推荐使用Apache Kafka

Confluent Kafka

Confluent Kafka目前分为免费版和企业版,前者和Apache Kafka非常相像，除了常规的组件之外，免费版还包含

• Schema注册中心
  帮助你集中管理Kafka消息格式以实现数据前向/后向兼容
• REST proxy
  用开放HTTP接口的方式允许你通过网络访问Kafka的各种功能

这两个都是Apache Kafka所没有的。

免费版包含了更多的连接器，它们都是Confluent公司开发并认证过的，你可以免费使用它们

至于企业版，它提供的功能就更多了

最有用的当属跨数据中心备份和集群监控两大功能了。多个数据中心之间数据的同步以及对集群的监控历来是Kafka的痛点，Confluent Kafka企业版提供了强大的处理方案帮助你“干掉”它们。

不过Confluent Kafka的一大缺陷在于，Confluent公司暂时没有发展国内业务的计划，相关的资料以及技术支撑都很欠缺，很多国内Confluent Kafka使用者甚至无法找到对应的中文文档，因而目前Confluent Kafka在国内的普及率是比较低的。

假如需要用到Kafka的少量高级特性，那么推荐使用Confluent Kafka

CDH/HDP Kafka

大数据云公司发布的Kafka（CDH/HDP Kafka）

这些大数据平台天然集成了Apache Kafka，通过便捷化的界面操作将Kafka的安装、运维、管理、监控一律统一在控制台中。假如你是这些平台的客户肯定觉得非常方便，由于所有的操作都可以在前台UI界面上完成，而不必去执行复杂的Kafka命令。另外这些平台提供的监控界面也非常友好，你通常不需要进行任何配置就能有效地监控 Kafka。

但这样做的结果是

• 直接降低了你对Kafka集群的掌控程度
  毕竟你对下层的Kafka集群一无所知，你怎样能做到心中有数呢？
• 滞后性
  因为它有自己的发布周期，因而能否能及时地包含最新版本的Kafka就成为了一个问题。比方CDH 6.1.0版本发布时Apache Kafka已经演进到了2.1.0版本，但CDH中的Kafka仍然是2.0.0版本，显然那些在Kafka 2.1.0中修复的Bug只能等到CDH下次版本升级时才有可能被真正修复。

简单来说，假如需要快速地搭建消息引擎系统，或者者你需要搭建的是多框架构成的数据平台且Kafka只是其中一个组件，那么推荐使用这些大数据云公司提供的Kafka。

总结

Apache Kafka，也称社区版Kafka

• 优势在于迭代速度快，社区响应度高，使用它可以让你有更高的把控度
• 缺陷在于仅提供基础核心组件，缺失少量高级的特性。

Confluent Kafka，Confluent公司提供的Kafka

• 优势在于集成了很多高级特性且由Kafka原班人马打造，质量上有保证
• 缺陷在于相关文档资料不全，普及率较低，没有太多可供参考的范例。

CDH/HDP Kafka，大数据云公司提供的Kafka，内嵌Apache Kafka

• 优势在于操作方便，节省运维成本
• 缺陷在于把控度低，演进速度较慢。

参考

• Apache Kafka实战