Kafka en Producción · Lección 18
¿Qué permite hacer la librería Kafka Streams, a diferencia de un consumer simple que solo lee y procesa eventos individuales?
Construir aplicaciones de procesamiento de streams con transformaciones complejas (joins, agregaciones, ventanas de tiempo) directamente sobre los datos de Kafka, sin necesitar un cluster de procesamiento externo separado
Kafka Streams reemplaza por completo la necesidad de tener brokers de Kafka reales
Solo puede procesar eventos de un único topic sin ninguna posibilidad de combinar múltiples fuentes
Requiere un cluster completamente separado tipo Spark o Flink para poder funcionar
Kafka en Producción · Lección 18
Completa el código
Kafka Streams se ejecuta como parte de la propia
Revisa: se ejecuta como parte de la propia aplicación, sin cluster de procesamiento separado.
Kafka en Producción · Lección 18
¿Por qué que Kafka Streams se ejecute dentro de la propia aplicación (sin un cluster de procesamiento separado como Spark) simplifica el despliegue comparado con mantener dos sistemas distintos coordinados?
Pista: no hay que desplegar, escalar y coordinar un cluster de procesamiento completamente separado (como Spark o Flink) además del cluster de Kafka; la lógica de procesamiento de streams vive directamente dentro de la aplicación, reduciendo la cantidad de infraestructura distinta que operar.
✓
¡Lección completada!
Kafka Streams — procesamiento de streams
0
XP ganado
3
Vidas restantes