数据的价值在如今的时代被深入挖掘，大数据技术也受到了来自各个领域的关注，而在大数据技术中，kafka成为世界500强企业重点关注的对象。那么就究竟是什么原因让企业为kafka瞩目，kafka的魅力在哪里？有为什么学习大数据开发必须学好kafka呢？
首先，从供概念上了解kafka。Kafka是一个分布式流平台，用于发布和订阅记录流。Kafka可以用于容错存储。Kafka将主题日志分区复制到多个服务器。Kafka的设计目的是为了应用能在记录生成后立即就能处理。Kafka的处理速度很快，通过批处理和压缩记录有效地使用IO。Kafka会对数据流进行解耦。Kafka用于将数据流到数据湖、应用和实时流分析系统中。
其次，从特点上了解kafka，由于Kafka是一种快速、可扩展、可持久和高容错的发布-订阅消息系统（publish-subscribe messaging system），所以Kafka对于一些Use Case（有大数据量和高响应需求）的支持远好于JMS、RabbitMQ和AMQP。相比于那些工具，Kafka支持更高的吞吐量，更高的稳定性和副本（replication）特性。这使得它比传统的MOM更加适合跟踪服务调用（可以跟踪每次调用）或跟踪IoT传感器数据。而且Kafka可以与Flume/Flafka、Spark Streaming、Storm、HBase、Flink以及Spark配合使用，用于实时获取、分析和处理流数据。Kafka可以为Hadoop大数据湖（HadoopBigData lake）提供数据流。Kafka Broker支持在Hadoop或Spark中低延时地处理和分析海量信息流。此外，Kafka子项目KafkaStreaming可用于实时分析。正是由于kafka的这些属性，使得大数据备受企业的关注。
当然，kafka流行一个主要原因还是其强大的稳定性，这在数据领域尤为重要，毕竟数据开始驱动一切，数据就是源头，没有稳定性那么一切都将成为空谈。而kafka的稳定的持久化就受到了众人的垂爱，而且还具有灵活的订阅-发布消息队列，可与N个消费者群组进行良好扩展以及复制功能，为生产者提供可调整的一致性保证，并在碎片级别提供保留排序（即Kafka主题分区）。其次，Kafka可以很好地兼容需要数据流处理的系统，并将这些系统融合、转换并加载到其他存储。另外，Kafka操作（配置和使用）都非常简单，“多快好省”、“稳定持久”就是Kafka的最大优势。
如果仅仅是这些还不足以让kafka成为大数据中的“头牌”，支持多种语言，包括C＃，Java，C，Python，Ruby等，且， Kafka可扩展的消息存储以及记录保留等特点也进一步强化了kafka的应用场景。当然，这也引出了kafka用途广泛的特性，像构建实时流数据管道、构建实时流应用程序、协助收集度量标准或KPI、在节点之间复制数据等，这些在企业的实际应用当中都有着巨大现实意义。
Kafka之所以能够成为众多企业追捧的对象，就是因为其自身所具备的这些特点，而随着企业看重kafka也就使得从业者不得不具备更强的kafka开发能力。当然，对于学习者而言，需要掌握的不仅仅只有kafka，毕竟市场在不断的变动，技术也在不断的进步，像hadoop、flume等大数据相关技能，如果都能够精通，不仅能够在现实中找到更多的更好的工作，对于应对未来的市场变化，也将有着更多的应对能力。