我有一些基本的Kafka Streaming代碼，它可以從一個主題讀取記錄，進行一些處理，並將記錄輸出到另一個主題。Kafka Streaming Concurrency？
卡夫卡流處理併發性如何？一切都在單線程中運行嗎？我沒有看到在文檔中提到的這一點。
如果它是單線程的，我希望多線程處理的選項來處理大量的數據。
如果它是多線程的，我需要了解它是如何工作的以及如何處理資源，比如SQL數據庫連接應該在不同的處理線程中共享。
相對於其他選項（Spark，Akka，Samza，Storm等），Kafka的內置流式API不推薦用於大容量場景嗎？
卡夫卡流處理併發性如何？一切都在單線程中運行嗎？我沒有看到在文檔中提到的這一點。
這詳細記錄在http://docs.confluent.io/current/streams/architecture.html#parallelism-model。我不想複製粘貼這裏逐字，但我想強調，恕我直言，要了解的關鍵要素是分區（比較卡夫卡的主題分區，在卡夫卡流被推廣爲「流分區」爲並非所有正在處理的數據流都將通過Kafka），因爲當前分區決定了Kafka（代理/服務器端）和使用Kafka Streams API（客戶端）的流處理應用程序的並行性。
如果它是單線程的，我希望多線程處理的選項來處理大量的數據。
處理分區總是會被一個唯一的「線程」，從而確保您沒有運行到併發問題來完成。但是......
如果是多線程的，我需要了解如何工作的，以及如何處理資源，如應在不同的處理線程共享SQL數據庫連接。
...因爲Kafka允許一個主題有多個分區，所以可以進行並行處理。例如，如果一個主題有100個分區，那麼多達100個流任務（或者，有些過分簡化：多達100個不同的機器，每個運行一個應用程序實例）可以並行處理該主題。同樣，每個流任務都將獨佔訪問1個分區，然後處理它。
相對於其他選項（Spark，Akka，Samza，Storm等），Kafka的內置流式API不推薦用於大容量場景嗎？
卡夫卡的流處理引擎是絕對推薦的，並且實際上也被用於大容量場景。關於比較基準測試的工作仍在進行中，但在許多情況下，基於Kafka Streams的應用程序變得更快。查看LINE engineer's blog: Applying Kafka Streams for internal message delivery pipeline獲取LINE Corp的一篇文章，該公司是亞洲最大的社交平臺之一（220M +用戶），他們描述了他們如何在生產中使用Kafka和Kafka Streams API來處理每秒數百萬事件。
kstreams config num.stream.threads允許您從1覆蓋線程數。但是，最好僅運行流應用程序的多個實例，並且它們都運行相同的使用者組。這樣，您可以旋轉儘可能多的實例以獲得最佳分區。
鏈接到LINE工程師的博客在此期間被打破。你可以在這裏找到它：https：//engineering.linecorp.com/en/blog/detail/80 – Esk
謝謝，更新！ –
@ MichaelG.Noll如何在單個流應用程序實例的多個線程之間共享資源。如果我的ValueMapper不是線程安全的，那麼是否可以使用多線程運行應用程序實例？ – mrnakumar