我有一些基本的 Kafka Streaming 代码，可以从一个主题读取记录，进行一些处理，然后将记录输出到另一个主题。
Kafka 流如何处理并发？一切都在一个线程中运行吗？我没有在文档中看到这一点。
如果它是单线程的，我想要多线程处理的选项来处理大量数据。
如果它是多线程的，我需要了解它是如何工作的以及如何处理资源，比如 SQL 数据库连接应该在不同的处理线程中共享。
相对于其他选项（Spark、Akka、Samza、Storm 等），是否不建议将 Kafka 的内置流 API 用于大容量场景？
2020 年 10 月更新：我写了一个由四部分组成的关于 Kafka 基础知识的博客系列，我建议您阅读此类问题。特别是对于这个问题，请看一下关于处理基础的第 3 部分。
对于你的问题：
Kafka 流如何处理并发？一切都在一个线程中运行吗？我没有在文档中看到这一点。
这在http://docs.confluent.io/current/streams/architecture.html#parallelism-model中有详细记录。我不想在这里逐字复制粘贴，但我想强调，恕我直言，要理解的关键元素是分区（参见 Kafka 的主题分区，在 Kafka Streams 中，它被概括为“流分区”，因为并非全部正在处理的数据流将通过 Kafka），因为分区当前决定了 Kafka（代理/服务器端）和使用 Kafka Streams API（客户端）的流处理应用程序的并行性。
如果它是单线程的，我想要多线程处理的选项来处理大量数据。
处理分区将始终仅由单个“线程”完成，这确保您不会遇到并发问题。但...
如果它是多线程的，我需要了解它是如何工作的以及如何处理资源，比如 SQL 数据库连接应该在不同的处理线程中共享。
...因为 Kafka 允许一个主题有许多分区，所以您可以进行并行处理。例如，如果一个主题有 100 个分区，那么多达 100 个流任务（或者，有些过于简单化：多达 100 台不同的机器，每台运行您的应用程序的实例）可以并行处理该主题。同样，每个流任务都将获得对 1 个分区的独占访问权，然后它将对其进行处理。
相对于其他选项（Spark、Akka、Samza、Storm 等），是否不建议将 Kafka 的内置流 API 用于大容量场景？
Kafka 的流处理引擎是绝对值得推荐的，实际上它也被用于大容量场景。比较基准测试的工作仍在进行中，但在许多情况下，基于 Kafka Streams 的应用程序会更快。请参阅LINE 工程师的博客：将 Kafka Streams 用于内部消息传递管道，这是 LINE Corp 的一篇文章，该文章是亚洲最大的社交平台之一（超过 2.2 亿用户），其中描述了他们如何在生产中使用 Kafka 和 Kafka Streams API 来处理每秒数百万个事件。
kstreams 配置num.stream.threads 允许您覆盖从 1 开始的线程数。但是，最好简单地运行流应用程序的多个实例，所有实例都运行同一个使用者组。这样，您可以根据需要启动尽可能多的实例以获得最佳分区。