KStream和KTable是Kafka Streams里內建的兩個最重要的抽象，分別對應數(shù)據流和數(shù)據庫参袱。Kafka Streams作為流處理技術的一大賣點，即是很好地將存儲狀態(tài)的表（table）和作為記錄的流（stream）無縫地結合在了一起秽梅。
KStream
數(shù)據流（data stream）抹蚀，即是一段順序的，可以無限長企垦，不斷更新的數(shù)據集环壤。
數(shù)據流中比較常記錄的是事件（stream of events），這些事件可以是一次鼠標點擊（click）钞诡，一次交易郑现，或是傳感器記錄的位置數(shù)據。
KStream負責抽象的荧降，就是數(shù)據流接箫。與Kafka自身topic中的數(shù)據一樣，類似日志朵诫，每一次操作都是向其中插入（insert）新數(shù)據辛友。
KStream的構建方法：
builder.stream()
KTable
傳統(tǒng)數(shù)據庫，包含了各種存儲了大量狀態(tài)（state）的表格剪返。
KTable負責抽象的废累，就是表狀數(shù)據邓梅。每一次操作，都是更新插入（upsert）邑滨。
KTable的構建方法：
builder.table()
KStream和KTable之間的關系
事務日志記錄了所有對數(shù)據庫的更改日缨。數(shù)據庫保存了日志中最新的記錄。數(shù)據庫就是日志子集的一個緩存掖看，記錄了最新數(shù)據的子集殿遂。
KStream可以看作是KTable的更新日志（changlog），數(shù)據流中的每一個記錄對應數(shù)據庫中的每一次更新乙各。
KTable 則可以看作KStream在某一時間點墨礁，每一個key對應的最新value的快照（snapshot）。
KStream和KTable之間的相互轉換
將KTable轉換成KStream
toStream() 方法
KStream<byte[], String> stream = table.toStream();
將KStream轉換成KTable
方法1: groupByKey() + aggregation操作
KTable<String, Long> table = stream.groupByKey()
.count();
方法2: 將KStream寫回Kafka耳峦，再按KTable的格式讀出
stream.to("topic0");
KTable<String, String> table = builder.table("topic0");
KStream和KTable不同的使用場景
將topic中數(shù)據經過aggregation操作后 恩静，用KTable來存儲結果。
- KStream - 每個新數(shù)據都包含了部分信息蹲坷。
- KTable - 每次更新都合并到原記錄上驶乾。
KTable與日志壓縮(log compaction)
日志壓縮可以作為性能提升的一種方式。
刪除舊的key value 因為不需要了循签，只保留每個key的最后一次更新级乐。
帶來的優(yōu)勢是：可以快速得到最終狀態(tài) 而不是每次更新 --- 崩潰后也只需恢復少量數(shù)據。
只應對KTable使用县匠，不該對KStream使用风科。KStream中的每條數(shù)據都包含了一部分信息，刪除會將這部分信息丟失乞旦。
需要手動在創(chuàng)建時對某個topic開啟日志壓縮： --config cleanup.policy=compact
刪除不是立刻進行的贼穆，需要等待一個delete.retention.ms周期（默認為24小時）。
是一個單獨的后臺壓縮線程兰粉，需要一定的內存開銷故痊。
