BlogKafka

¿Para qué se utiliza Kafka? 8 casos de uso habituales

Scott Sternloff

Por Scott Sternloff, Arquitecto empresarial sénior

LinkedIn · Actualizado el · 6 min de lectura

¿Para qué se utiliza Kafka? 8 casos de uso habituales
En esta página

Apache Kafka se utiliza para mover streams de eventos entre sistemas y conservarlos en un log duradero que muchas aplicaciones pueden leer de forma independiente y sobre el que pueden hacer replay. Los usos habituales son el streaming de eventos entre microservicios, la mensajería, el seguimiento de la actividad en sitios web, la agregación de logs y métricas, la CDC (captura de datos de cambios) desde bases de datos con Debezium, el procesamiento de streams, el event sourcing y la alimentación de data lakes, data warehouses y pipelines de IA. Lo que los une es que leer un evento no lo elimina: lo elimina la retención, de modo que un consumidor nuevo puede empezar desde el principio y uno que haya fallado puede retroceder.

Este artículo trata de los usos. Para ver cómo está construido Kafka (brokers, particiones, replicación y controladores KRaft), consulte arquitectura de Kafka. Los datos siguientes corresponden a Apache Kafka 4.x; 4.3.0, publicada el 22 de mayo de 2026, es la versión de funcionalidades actual, y todas las versiones 4.x funcionan solo con KRaft.

Qué hace que un caso de uso encaje con Kafka

Tres propiedades determinan si un caso de uso encaja con Kafka:

  • Un log retenido. Los eventos se conservan durante el periodo de retención del topic, siete días por defecto (retention.ms=604800000), o indefinidamente en un topic compactado. Varios consumidores leen los mismos datos a su propio ritmo.
  • Particiones. Un topic se divide en particiones que reparten la carga entre brokers. El orden está garantizado dentro de una partición, por lo que los eventos con la misma clave, como un ID de pedido, se mantienen en orden.
  • Grupos de consumidores (consumer groups). Cada grupo recibe el stream completo y controla sus propios offsets, así que añadir un lector nuevo no afecta a los existentes. Dentro de un grupo, cada partición se asigna a un único consumidor.

Si un caso de uso necesita esas tres propiedades, Kafka encaja muy bien. Si lo que necesita es enrutamiento o retardos por mensaje, busque otra opción.

Casos de uso habituales de Kafka

La documentación de Apache Kafka enumera como usos principales la mensajería, el seguimiento de actividad, las métricas, la agregación de logs, el procesamiento de streams, el event sourcing y los commit logs. En la práctica son así:

Caso de usoCómo lo resuelve KafkaEl inconveniente
Streaming de eventos entre microserviciosLos servicios publican eventos de dominio, como order-placed, en topics; cualquier número de servicios se suscribe a través de sus propios grupos de consumidores.El topic se convierte en un contrato compartido. Acuerde un esquema y una regla de compatibilidad antes de que el segundo equipo empiece a consumir.
Mensajería entre serviciosLos productores escriben con acks=all; los consumidores confirman los offsets tras el procesamiento. Desde Kafka 4.2, los share groups (Queues for Kafka) están listos para producción y permiten que varios consumidores compartan una partición con confirmación (ack) por registro.Sin enrutamiento, prioridades ni retardos por mensaje en el lado del broker. El lag es la señal de salud que hay que vigilar; consulte lag de consumidores (consumer lag) en Kafka.
Seguimiento de la actividad en sitios webEl caso de uso original de Kafka: visitas de página, búsquedas y clics publicados en topics, a menudo un topic por tipo de actividad.El volumen es alto y las claves están desequilibradas. Un usuario o una página muy activos pueden sobrecargar una partición; consulte estrategia de particionado en Kafka.
Agregación de logs y métricasLos logs y las métricas operativas de muchos hosts se escriben en topics y después los consumidores o los conectores sink de Kafka Connect los envían a sistemas de búsqueda, monitorización o almacenamiento.La retención debe ajustarse al disco. El almacenamiento por niveles (tiered storage), listo para producción desde Kafka 3.9, mueve los segmentos cerrados a almacenamiento de objetos; consulte política de retención de Kafka.
CDC (captura de datos de cambios) con DebeziumLos conectores de origen de Debezium se ejecutan en Kafka Connect y leen el propio log de la base de datos, como el binlog de MySQL o la replicación lógica de PostgreSQL, y por defecto escriben los cambios de cada tabla en su propio topic.En PostgreSQL, el replication slot retiene el WAL hasta que el conector lo confirma, por lo que un conector detenido o retrasado aumenta el uso de disco en la base de datos. Los cambios de esquema y los snapshots requieren planificación; consulte soporte de Debezium. Si el CDC es su único uso de Kafka, compare las alternativas a Debezium que prescinden de Kafka Connect.
Procesamiento de streamsKafka Streams, una biblioteca Java, lee topics, los combina y agrega, y escribe los resultados de vuelta, con procesamiento exactly-once mediante processing.guarantee=exactly_once_v2. Flink es la alternativa habitual.Los state stores se reconstruyen a partir de los topics de changelog tras un reinicio, lo que puede tardar mucho con estados grandes. Consulte semántica exactly-once en Kafka.
Event sourcing y commit logsLos cambios de estado se almacenan como una secuencia de registros ordenada en el tiempo; la compactación del log conserva el último valor de cada clave para que un servicio pueda reconstruir el estado a partir del topic.La compactación no es instantánea y eliminar una clave requiere un registro tombstone. Pruebe el tiempo de reconstrucción antes de depender de ello.
Alimentación de data lakes, data warehouses y pipelines de IALos conectores sink vuelcan los topics en almacenamiento de objetos, data warehouses e índices de búsqueda; los mismos eventos pueden alimentar pipelines de embeddings y herramientas de agentes.Cada sink es otro grupo de consumidores con sus propios modos de fallo. Para cargas de trabajo de agentes, consulte Kafka para agentes de IA.

Un punto de partida duradero

Un topic duradero mínimo para cualquiera de los casos de uso anteriores, con las herramientas incluidas en Kafka 4.x:

bin/kafka-topics.sh --bootstrap-server localhost:9092 \
  --create --topic orders --partitions 12 --replication-factor 3 \
  --config min.insync.replicas=2 --config retention.ms=604800000

# producer side
acks=all
enable.idempotence=true

Un factor de replicación 3 con min.insync.replicas=2 y acks=all permite que un broker esté caído mientras las escrituras continúan en dos copias. Elija el número de particiones con cuidado: Kafka no permite reducirlo después, y añadir particiones cambia la partición a la que se asigna cada clave.

Cuándo Kafka no es la herramienta adecuada

  • Colas de tareas pequeñas que necesitan enrutamiento, prioridades o retardos por mensaje. Los share groups ya ofrecen a Kafka un consumo de tipo cola, pero el enrutamiento y los reintentos diferidos siguen siendo funciones del broker en RabbitMQ. Consulte RabbitMQ vs Kafka y para qué se utiliza RabbitMQ.
  • Volumen bajo con un equipo pequeño. Un clúster de producción implica brokers, un quórum de controladores KRaft de tres o cinco, monitorización y actualizaciones. Con unos pocos mensajes por segundo, el coste operativo suele superar el beneficio.
  • Una base de datos que se consulta. Kafka lee por offset, no por campo. Vuelque los datos en una base de datos o un data warehouse y consúltelos allí.
  • Petición-respuesta síncrona. Kafka puede gestionarla, pero una llamada HTTP o gRPC es más sencilla y rápida para la mayoría de los servicios.

Las alternativas gestionadas se comparan en Kafka vs Kinesis y NATS vs Kafka.

Cómo ejecutar estos casos de uso en Kafka 4.x

Kafka 4.0, publicado el 18 de marzo de 2025, eliminó ZooKeeper, por lo que los clústeres que aún usan ZooKeeper deben migrar a KRaft en una versión 3.x antes de poder actualizar. Nuestra guía sobre el fin de vida útil (EOL) de Kafka recoge las fechas de cada versión y la ruta de actualización. Si esa actualización no puede hacerse pronto, OSSeva ofrece soporte extendido para Apache Kafka 2.8 a 3.9 mientras la planifica.

Cuándo pedir ayuda

La mayoría de los problemas con Kafka empiezan con una decisión tomada para alguno de los casos de uso anteriores: un número de particiones elegido antes de entender la clave, una retención dimensionada según los discos y no según la necesidad, un conector de Debezium detenido mientras se acumula el WAL o un clúster usado como cola para trabajo que necesitaba enrutamiento. AceMQ ofrece soporte de Kafka independiente para Apache Kafka de código abierto, con ingenieros que revisan los clústeres en función de los casos de uso reales y atienden la incidencia cuando fallan, y servicios gestionados de Kafka si prefiere delegar la operación diaria.

Fuentes

Preguntas frecuentes

¿Para qué se utiliza Kafka?

Para mover streams de eventos entre sistemas y conservarlos en un log duradero que admite replay: streaming de eventos entre microservicios, mensajería, seguimiento de la actividad en sitios web, agregación de logs y métricas, CDC (captura de datos de cambios) con Debezium, procesamiento de streams, event sourcing y alimentación de data lakes y pipelines de IA.

¿Qué es Apache Kafka, explicado de forma sencilla?

Un log distribuido de solo anexado (append-only). Los productores escriben eventos en topics, Kafka los almacena en varios servidores durante un periodo de retención y cualquier número de aplicaciones consumidoras los lee a su propio ritmo, cada una controlando su propia posición.

¿Kafka es una cola de mensajes?

No en el sentido tradicional. Kafka conserva los eventos después de leerlos y reparte el trabajo por partición. Desde Kafka 4.2, los share groups (Queues for Kafka) están listos para producción y añaden un consumo de tipo cola con confirmación (ack) por registro, pero sigue sin haber enrutamiento, prioridades ni retardo por mensaje en el lado del broker.

¿Kafka es una base de datos?

No. Kafka almacena los datos de forma duradera y los topics compactados conservan el último valor de cada clave, pero se lee por offset, no mediante consultas. La mayoría de los equipos vuelcan los datos de Kafka en una base de datos o un data warehouse y los consultan allí.

¿Kafka sigue necesitando ZooKeeper?

No. Apache Kafka 4.0, publicado el 18 de marzo de 2025, eliminó ZooKeeper, y todas las versiones 4.x funcionan con controladores KRaft. Los clústeres que aún usan ZooKeeper deben migrar a KRaft en una versión 3.x antes de actualizar a 4.x.

¿Cuándo no conviene usar Kafka?

Para colas de tareas pequeñas que necesitan enrutamiento, prioridades o retardos por mensaje, donde RabbitMQ encaja mejor; para volúmenes de mensajes bajos, en los que el coste de operar un clúster supera el beneficio; y como base de datos que se consulta.

Scott Sternloff

Autor

Scott SternloffArquitecto empresarial sénior

Arquitecto empresarial sénior de AceMQ. Escribe aquí los contenidos técnicos: arquitectura, clustering y migraciones de RabbitMQ, Kafka y Redis.

Consulta gratuita

Que un experto revise su clúster de Kafka

Tanto si está resolviendo un incidente en producción como si planifica una migración o quiere una segunda opinión sobre su arquitectura, nuestro equipo está preparado. Sin discursos comerciales, solo respuestas.

Escríbanos