低延迟高吞吐
定位为极低延迟与高吞吐，用于即时分析数据。底层基于 Kafka 等消息系统消费，适合实时性要求高的作业。具体延迟与吞吐数值官网未公开。
价格开源免费
平台Web / API
归类论文与学术
收录2026-10-12
复核2026-10-12
编辑评分
4.1 / 5
★★★★☆
Samza编辑总结
Apache Samza 是 Apache 软件基金会旗下的分布式流处理框架，用 Java/Scala 构建有状态应用，从 Kafka 等多来源实时处理数据。当前主力版本为 1.8.0（2023 年 1 月发布），支持 YARN、Kubernetes 或独立库三种部署方式。核心优势是插件化架构与低延迟高吞吐，能扩展到数 TB 状态，已在 LinkedIn、Uber、TripAdvisor、Slack 等公司大规模使用。短板是 API 层选择多（低阶 API、Streams DSL、Samza SQL、Beam），上手需要理解流分区与状态语义，且官网未公开具体性能数值可供横向对比。
Samza是什么？
Apache Samza 是 Apache 软件基金会维护的分布式流处理框架，核心思路是把流处理逻辑写成有状态应用，从 Kafka 等多种来源实时消费数据。它既可作为独立库嵌入现有 Java/Scala 应用，也可部署在 YARN、Kubernetes 或裸机上，无需为流处理单独维护一套集群。
框架提供多层 API：低阶 API 控制粒度最细，Streams DSL 适合常规处理链路，Samza SQL 用 SQL 描述逻辑，Apache Beam API 则便于跨引擎迁移。统一 API 让同一份代码既能处理批数据也能处理流数据。插件化架构内置对接 Kafka、HDFS、AWS Kinesis、Azure EventHubs、ElasticSearch 及各类 K-V 存储。
普通开发者通常从 Streams DSL 或 Samza SQL 入手写第一个作业；需要精细控制分区、时间与状态语义的团队会下沉到低阶 API。运维侧可通过 YARN 托管集群，也可以把 Samza 当轻量客户端库嵌进已有服务，省去单独集群的开销。
Samza核心功能
水平扩展状态
通过增量检查点与主机亲和性（host-affinity），状态可扩展到数 TB 级别，集群规模可覆盖数千核。故障时任务连同状态一起迁移，减少恢复时间。
多种部署方式
支持 YARN、Kubernetes 或作为独立库三种运行形态。同一份代码可从公有云跑到容器环境再到裸机硬件，不需要为每种环境重写作业。
多层 API 可选
提供低阶 API、Streams DSL、Samza SQL 与 Apache Beam API 四类接口。简单链路用 SQL 或 DSL，需要精细控制分区与时间语义时下沉到低阶 API。
批流统一
统一 API 让同一段应用逻辑同时处理批数据与流数据，无需为两种场景维护两套代码。API 设计上与数据源解耦，切换来源时改动较小。
插件化集成
内置对接 Apache Kafka、AWS Kinesis、Azure EventHubs、ElasticSearch、Apache Hadoop 与各类 K-V 存储。也支持自行接入自有数据源，不需要改框架内核。
嵌入已有应用
可作为轻量客户端库嵌入 Java/Scala 应用，省去单独启停流处理集群的运维成本。适合已有服务想直接增加实时处理能力的场景。
故障容错
任务失败时连同关联状态一起透明迁移，避免从头重算。配合主机亲和性与增量检查点，恢复速度更快。处理保证语义在核心概念文档中单独说明。
Samza值不值得用？
当你在 Kafka 生态里做实时流处理、又希望同一份代码兼顾批与流时，Samza 值得纳入候选，它已在 LinkedIn、Uber、TripAdvisor、Slack 等推进到数 TB 状态与数千核规模。若团队已有 YARN 或想以嵌入式库方式省掉独立集群，它的部署弹性更明显。反过来，若你更在意 SQL 优先的开发体验或不想维护 JVM 应用，需要先评估成本；实时延迟与吞吐的具体数值官网未公开，选型前应结合自身负载压测。
建议选它的情况
- 已在用 Kafka 或 Kinesis、EventHubs 等消息源，需要实时消费与处理的团队
- 希望同一份代码同时跑批与流，避免维护两套作业的研发团队
- 已有 YARN 或 Kubernetes 集群，想复用现有调度资源跑流处理
- 愿意以 Java/Scala 客户端库方式嵌入现有服务，省去独立流处理集群
不建议选它的情况
- 偏好纯 SQL 或无代码方式完成流处理、不想写 JVM 应用的使用者
- 需要开箱即用的托管 SaaS，不愿自行搭集群与处理运维的团队
- 对性能指标有硬性要求、需要官网给出确切延迟吞吐数字来选型的场景
Samza使用建议
入门先把路子走对
- 从 Quick Start 入手首页提供 Quick Start 入口，按它跑通第一个作业最快。先确认本机 Java 环境，再按步骤引入依赖并提交作业。
- 先读核心概念核心概念文档按 1.8.0 等版本分页，先弄懂 Streams、Partitions、Stream Application、State、Time、Processing guarantee 这几个术语，再动手写业务逻辑会顺很多。
- 选对 API 层级简单链路优先用 Samza SQL 或 Streams DSL，能快速出结果；需要精细控制分区、时间与状态语义时，再下沉到低阶 API，避免一开始就写得过重。
- 按环境选部署形态已有 YARN 集群就走 YARN，容器化环境选 Kubernetes，只想给现有服务加处理能力则用独立库嵌入。三种形态同一份代码，切换成本主要在配置。
进阶省时间也省钱
- 开启增量检查点状态规模上去后，开启增量检查点能明显缩短故障恢复时间，避免每次从头重建数 TB 状态。配合主机亲和性可进一步减少数据搬移。
- 用主机亲和性稳恢复让任务尽量调度回原主机，迁移时状态搬移更少。对状态量大、恢复窗口紧的作业，这一项比单纯加机器更有效。
- 批流复用同一逻辑把核心处理逻辑写在 API 层而非绑定单一数据源，批作业与流作业共用同一段代码，减少两套实现不一致带来的维护负担。
- 跟踪版本升级博客按版本发布公告，1.5.1（2020-08-28）、1.6.0（2021-01-28）、1.8.0（2023-01-17）依次发布。升级前对照目标版本的文档页确认接口变动。
Samza适合谁用？
Kafka 生态研发团队
推荐已在用 Kafka 做消息管道，需要在同一体系里加实时处理与状态计算。Samza 与 Kafka 的原生集成最直接，迁移成本较低。
Java/Scala 后端工程师
推荐想把流处理能力直接嵌进已有 JVM 服务，而不另起集群。独立库形态正好匹配，无需为流处理单独维护一套部署。
已有 YARN 的运维团队
推荐现有 Hadoop/YARN 集群资源可复用，Samza 支持托管在 YARN 上运行，不必为新框架引入额外的调度系统。
看重批流统一的架构师
推荐希望同一份代码既跑批也跑流，减少两套实现的维护成本。统一 API 与写一次到处运行的设计契合这种诉求。
偏好无代码的分析师
有条件Samza 需要写 Java/Scala 应用并自行处理部署运维，SQL 层仍需理解分区与状态语义。无编程背景的使用者上手门槛偏高。
只想要托管服务的团队
不推荐提供的部署选项为 YARN、Kubernetes 或独立库，均需自行运维。若期望开箱即用的全托管 SaaS，需要另行评估。
Samza优点和缺点
优点
- 同一份代码可处理批与流数据，减少两套作业的维护成本
- 状态可扩展到数 TB，已在数千核规模的生产环境验证
- 插件化架构内置 Kafka、Kinesis、EventHubs、ElasticSearch 等来源
- 支持 YARN、Kubernetes 或独立库三种部署，环境选择灵活
- 提供从低阶 API 到 Samza SQL、Beam 的多层接口
缺点
- 官网未公开延迟与吞吐的具体数值，选型缺少量化参考
- 需要 JVM 与 Java/Scala 开发能力，无编程背景者门槛高
- 部署形态均需自行运维，没有开箱即用的托管版本
- 多层 API 带来学习成本，需先理解分区、时间与状态语义
Samza常见问题
Samza 是免费的吗？＋
它是 Apache 软件基金会的开源项目，官网未出现任何收费或订阅说明，下载与使用不涉及许可费用。若运行在公有云上，成本主要来自自建的 YARN、Kubernetes 集群与机器资源，而非框架本身。
现在的主力版本是哪个？＋
官网博客显示最新发布为 Apache Samza 1.8.0，时间 2023 年 1 月 17 日；此前依次有 1.6.0（2021-01-28）与 1.5.1（2020-08-28）。文档站按 1.8.0、1.7.0、1.6.0、1.5.1 等版本分别提供页面，可按需查阅对应版本文档。
它和 Kafka 是什么关系？＋
Samza 从 Apache Kafka 等多种来源实时消费数据，Kafka 是最常见的接入源之一，但框架本身与数据源解耦——统一 API 不绑定特定来源。除 Kafka 外，还内置对接 HDFS、AWS Kinesis、Azure EventHubs、ElasticSearch 与 K-V 存储。
同一份代码能同时跑批和流吗？＋
可以。强调「写一次、到处运行」，统一 API 让同一段应用逻辑既能处理批数据也能处理流数据，API 设计上与数据源解耦，切换来源时改动较小。这对需要批流统一口径的团队能省下维护两套实现的工作量。
部署方式有哪些，必须搭集群吗？＋
不一定。Samza 支持 YARN、Kubernetes 或作为独立库三种形态：既有 YARN 集群可直接托管，容器化环境走 Kubernetes，想给现有 Java/Scala 服务加实时处理能力则把 Samza 作为轻量客户端库嵌入，无需单独启停流处理集群。
状态能撑多大，故障恢复快吗？＋
可扩展到数 TB 状态，已在数千核规模应用上验证。故障时任务连同关联状态一起透明迁移，配合主机亲和性（host-affinity）与增量检查点，恢复时无需从头重算，对状态量大、恢复窗口紧的作业尤其有用。
有谁在生产环境用？＋
包括的使用方包括 LinkedIn、Uber、TripAdvisor、Slack 等，并描述为在数 TB 状态、数千核规模上经过实战检验。这些案例说明框架已覆盖大规模实时处理场景，但不代表所有负载都能直接照搬。
文档里怎么描述处理保证？＋
核心概念文档把 Processing guarantee 列为独立章节，与 Streams、Partitions、Stream Application、State、Time 并列，说明语义级别是框架设计中的一环。具体到某次作业的保证程度，需要对照所用版本的核心概念页面确认。
