Selon le site de Kafka :
" Kakfa est utilisé pour créer des pipelines de données en temps réel et des applications de streaming. "
En cherchant sur Internet au loin, j'ai trouvé la définition généralement acceptée suivante de ce que sont les " données de flux ":
- Les données de flux sont des données qui circulent de manière contiguë d'une source à une destination sur un réseau; et
- Les données de flux ne sont pas de nature atomique, ce qui signifie que toute partie d'un flux de données fluide est significative et traitable, par opposition à un fichier dont les octets ne signifient rien sauf si vous les avez tous; et
- Les données de flux peuvent être démarrées / arrêtées à tout moment; et
- Les consommateurs peuvent attacher et détacher à volonté un flux de données et n'en traiter que les parties qu'ils souhaitent
Maintenant, si tout ce que j'ai dit ci-dessus est incorrect, incomplet ou totalement faux, veuillez commencer par me corriger! En supposant que je suis plus ou moins sur la bonne voie, alors ...
Maintenant que je comprends ce que sont les «données en streaming», je comprends ce que Kafka et Kinesis veulent dire lorsqu'ils se présentent comme des middleware de traitement / courtage pour les applications avec des données en streaming. Mais cela a piqué mes intérêts: les "middlewares" comme Kafka ou Kinesis peuvent-ils être utilisés pour des données non-streaming, comme les courtiers de messages traditionnels? Et vice versa: les MQ traditionnels comme RabbitMQ, ActiveMQ, Apollo, etc. peuvent-ils / devraient-ils être utilisés pour diffuser des données?
Prenons un exemple où une application enverra son barrage constant de back-end de messages JSON qui doivent être traités, et le traitement est assez complexe (validation, transformations sur les données, filtrage, agrégations, etc.):
- Cas n ° 1: les messages sont chacun des cadres d'un film; c'est un message JSON par image vidéo contenant les données d'image et certaines métadonnées de support
- Cas n ° 2: Les messages sont des données chronologiques, peut-être le rythme cardiaque de quelqu'un en fonction du temps. Donc, le message # 1 est envoyé représentant mon rythme cardiaque à t = 1, le message # 2 contient mon rythme cardiaque à t = 2, etc.
- Cas n ° 3: Les données sont complètement disparates et non liées dans le temps ou dans le cadre d'un "flux de données". Peut-être des événements d'audit / de sécurité qui se déclenchent lorsque des centaines d'utilisateurs naviguent sur les boutons de l'application et prennent des mesures
Sur la base de la facturation de Kafka / Kinesis et de ma compréhension de ce que sont les "données en streaming", elles semblent être des candidats évidents pour les cas n ° 1 (données vidéo contiguës) et n ° 2 (données de séries chronologiques contiguës). Cependant, je ne vois aucune raison pour laquelle un courtier de messages traditionnel comme RabbitMQ ne pourrait pas gérer efficacement ces deux entrées également.
Et avec le cas # 3, nous ne recevons qu'un événement qui s'est produit et nous devons traiter une réaction à cet événement. Donc, pour moi, cela signifie avoir besoin d'un courtier traditionnel comme RabbitMQ. Mais il n'y a pas non plus de raison pour que Kafka ou Kinesis ne gèrent pas non plus le traitement des données d'événement.
Donc, fondamentalement, je cherche à établir une rubrique qui dit: J'ai des données X avec des caractéristiques Y. Je devrais utiliser un processeur de flux comme Kafka / Kinesis pour le gérer. Ou, inversement, une donnée qui m'aide à déterminer: j'ai des données W avec des caractéristiques Z. Je devrais utiliser un courtier de messages traditionnel pour le gérer.
Je demande donc: quels facteurs sur les données (ou autrement) aident à orienter la décision entre le processeur de flux ou le courtier de messages, car les deux peuvent gérer les données en streaming et les deux peuvent gérer les données de message (non en streaming)?