1. 與ZooKeeper集成（Kafka基礎依賴）
Kafka依賴ZooKeeper實現集群元數據管理（如Broker注冊、Topic分區信息）、消費者偏移量存儲及分布式協調。在Debian上集成時，需先安裝并啟動ZooKeeper集群（配置zoo.cfg文件，設置dataDir、clientPort及集群節點server.X條目），再配置Kafka的server.properties文件，指定ZooKeeper連接地址（如zookeeper.connect=zookeeper1:2181,zookeeper2:2181,zookeeper3:2181），啟動Kafka服務后即可通過ZooKeeper完成集群管理。
2. 與Spring Boot應用集成（微服務場景）
通過spring-kafka依賴（org.springframework.kafka）實現Spring Boot與Kafka的整合。首先在pom.xml中添加依賴，然后在application.yml中配置Kafka broker地址（spring.kafka.bootstrap-servers=localhost:9092）、安全協議（如SASL_PLAINTEXT）、消費者組ID等參數。生產者通過KafkaTemplate發送消息到指定Topic，消費者通過@KafkaListener注解監聽Topic并處理消息，支持事務管理（如@Transactional）確保消息一致性。
3. 與Storm集成（實時流處理）
Storm通過與Kafka集成實現實時數據流的采集與處理。需添加storm-kafka-client依賴（版本與Storm保持一致），配置KafkaSpoutConfig指定Kafka broker地址、Topic名稱、消費者組ID及消息轉換邏輯（如將Kafka消息轉為Storm Tuple）。編寫Storm Topology時，將KafkaSpout作為數據源，連接處理Bolt（如PrintBolt打印消息或自定義業務Bolt進行數據清洗、轉換），提交Topology至Storm集群后，即可從Kafka消費數據并進行實時處理。
4. 與Spark集成（大規模實時計算）
Spark（Streaming/Structured Streaming）與Kafka集成可實現大規模實時數據處理。對于Spark Streaming（Spark 2.x之前），使用KafkaUtils.createDirectStream方法從Kafka讀取數據（配置bootstrap.servers、group.id、key/value.deserializer等參數），通過foreachRDD對每個RDD進行處理（如打印、轉換）；對于Spark Structured Streaming（Spark 2.x及以上），使用spark.readStream.format("kafka")創建DataFrame，指定Kafka參數及訂閱Topic，通過selectExpr提取鍵值（如cast(key as string)、cast(value as string)），再通過writeStream將結果輸出到控制臺、Kafka或其他存儲系統（如HDFS、數據庫）。集成時需注意設置檢查點（checkpointLocation）保障容錯性，優化并行度（repartition）提升處理性能。
5. 與微服務架構集成（事件驅動模式）
在微服務架構中，Kafka作為事件總線實現服務間解耦。生產者微服務通過Kafka客戶端庫（如kafka-clients）將業務事件（如訂單創建、用戶更新）發布到指定Topic，消費者微服務訂閱Topic并處理事件（如庫存扣減、積分發放）。采用發布-訂閱模式提高系統擴展性（新增消費者無需修改生產者），通過消費者組實現廣播（多個消費者處理同一Topic消息）或負載均衡（每個分區由一個消費者處理）。為提升可靠性，可配置生產者acks=all（確保消息持久化）、消費者enable.auto.commit=false（手動提交偏移量）及Kafka Topic副本因子（replication.factor>=2）。
6. 與大數據系統集成（離線+實時處理）
Kafka可與Hadoop、ClickHouse等大數據系統集成，實現離線與實時數據處理統一。與Hadoop集成時，通過Kafka Connect將Kafka數據導入HDFS（如使用HdfsSinkConnector），利用Hadoop MapReduce或Spark on Hadoop進行批處理（如日志分析、數據挖掘）；與ClickHouse集成時，通過Kafka Engine表引擎（ENGINE = Kafka）訂閱Kafka Topic，實時將數據寫入ClickHouse，支持SQL查詢（如SELECT * FROM kafka_table），適用于實時報表、數據分析場景。
