DBPRO IoT框架 物联网框架的开发，用于基于流的传感器数据分析。 DBPRO，柏林工业大学，2018年夏季学期。 （原始项目主页： : ） 特征 该应用程序是基本的Flink-Kafka-InfluxDB工作流程的示例。 该程序执行以下步骤： 生成时间戳流并将数据附加到时间戳流（之前从传感器捕获）。 将流数据下沉到InfluxDB和Kafka主题 使用来自Kafka主题的数据（在另一个线程中），并将其也下沉到InfluxDB 在窗口中拆分无限流并计算“动态时间扭曲”距离，以便识别输入 通过HTTP请求将包含已识别字符的注释添加到Grafana 如何使用 只需在jobs / App.java中运行main（）方法 为了实际获得任何可观察到的输出，您必须运行必要的实例（Kafka，InfluxDB，Grafana）并在相应的Java类中设置其地址。 建于 分布式流媒体平台

zabbix监控之kafka模板

Mastering Kafka Streams and ksqlDB

Dockerfiles：用于Docker和Kubernetes的50多个DockerHub公共映像-Hadoop，Kafka，ZooKeeper，HBase，Cassandra，Solr，SolrCloud，Presto，Apache Drill，Nifi，Spark，Consul，Riak，TeamCity和DevOps工具建立在主要Linux发行版上： Alpine，CentOS，Debian，Fedora，Ubuntu

flume+Logstash+Kafka+Spark Streaming进行实时日志处理分析【大数据】

Kafka离线安装包，此压缩包还提供了python的安装工具的离线安装包，可将其解压后使用python setup.py install 命令分别安装setuptools和pip后，在使用pip安装Kafka，若系统已经存在pip，则可忽略上一步。

风暴卡夫卡 风暴拓扑将风暴与Kafka和Elasticsearch集成 该Storm拓扑使用Kafka Spout读取来自Kafka的消息，并使用Bolt将从Kafka读取的传入消息解析为JSON消息。 然后将已解析的JSON消息加载到Elastic搜索中以使用Kibana进行仪表板和分析 该项目的前提条件：Zookeeper安装Kafka Broker Storm安装并启动Nimbus，Supervisor，Logviewer和UI Elastic search Kibana（用于仪表板） 设置：安装完上述工具集后，将maven项目下载到本地工作区中并构建一个jar 执行：风暴罐/Storm-Kafka-ES-Integration/target/StormKafkaESIntegration-0.0.1-SNAPSHOT-jar-with-dependencies.jar com.

Kafka是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。 这种动作（网页浏览，搜索和其他用户的行动）是在现代网络上的许多社会功能的一个关键因素。 这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。 对于像Hadoop一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。

Kafka技术内幕，详细介绍Kafka内部的实现原理，剖析源码

研究了一段时间后，根据网上的例子，做大量的削减及根据需要做出的最简化使用实例，并且加入了获取kafka的server端的状态信息，根据状态信息配置启动时读写位置