kafka在大数据中的地位不言而喻，所以无论是求学者还是从业者对于kafka都应该因此足够的重视。而且Kafka作为当前最好的企业级流式处理平台，关于其性能调试及具体场景就必须要了解清楚。
Kafka作为一种高吞吐量的分布式发布订阅消息系统。要充分发挥Kafka集群的性能，可以从一下四个角度去充分的考虑：
第一、吞吐量(throughput)：生产者和消费者时间周期内数据处理速度；
第二、延时性(latency)：数据时效性，实时数据对延时性要求很高；
第三、持久性(durability)：数据存储周期；
第四、可用性(availability)：Kafka集群高可用。
在Kafka性能调优之前，我们需要明确：不同的用户使用场景，对Kafka集群的性能要求是不同的。Kafka集群的性能指标，需要在吞吐量和延时性权衡、持久性和可用性之间权衡。但是作为集群管理者，要求我们必须全局考虑，不能孤立地只考虑其中某一个方面。
下面，我们可以详细的讲解Kafka的使用场景
（1）日志收集：一个公司可以用Kafka可以收集各种服务的log，通过kafka以统一接口服务的方式开放给各种consumer，例如Hadoop、Hbase、Solr等；
（2）消息系统：解耦和生产者和消费者、缓存消息等；
（3）用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到Hadoop、数据仓库中做离线分析和挖掘；
（4）运营指标：Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告；
（5）流式处理：比如Spark streaming和storm；
（6）事件源；
Kafka是一个分布式的、可分区的、可复制的、基于发布/订阅的消息系统，目前世界500强的企业中有近80%都在使用kafka，所以，学懂kafka至关重要。当然，kafka的应用场景固然很多，但并不意味着任何场景下都可以通过kafka来进行实际的操作，所以，了解清楚大数据的功能、特点以及场景话的应用至关重要。
本文转自：海牛学院