Kafka отлично подходит для обработки потоковых данных в реальном времени. Например, система аналитики пользовательских действий в веб-приложении:

from kafka import KafkaProducer, KafkaConsumer
import json

# Producer - отправка событий
producer = KafkaProducer(bootstrap_servers='localhost:9092',
                         value_serializer=lambda v: json.dumps(v).encode('utf-8'))

def track_user_action(user_id, action):
event = {
'user_id': user_id,
'action': action,
'timestamp': datetime.now().isoformat()
}
producer.send('user_actions', event)

Consumer - обработка событий

consumer = KafkaConsumer('user_actions',
bootstrap_servers='localhost:9092',
value_deserializer=lambda m: json.loads(m.decode('utf-8')))

for message in consumer:
process_action(message.value) # Аналитика/сохранение в БД

В этом сценарии Kafka:
1. Обеспечивает надежную доставку событий
2. Позволяет масштабировать обработку
3. Гарантирует порядок сообщений в партиции
4. Поддерживает обработку в реальном времени и batch-аналитику