1. 与ZooKeeper集成（Kafka基础依赖）
Kafka依赖ZooKeeper实现集群元数据管理（如Broker注册、Topic分区信息）、消费者偏移量存储及分布式协调。在Debian上集成时，需先安装并启动ZooKeeper集群（配置zoo.cfg文件，设置dataDir、clientPort及集群节点server.X条目），再配置Kafka的server.properties文件，指定ZooKeeper连接地址（如zookeeper.connect=zookeeper1:2181,zookeeper2:2181,zookeeper3:2181），启动Kafka服务后即可通过ZooKeeper完成集群管理。
2. 与Spring Boot应用集成（微服务场景）
通过spring-kafka依赖（org.springframework.kafka）实现Spring Boot与Kafka的整合。首先在pom.xml中添加依赖，然后在application.yml中配置Kafka broker地址（spring.kafka.bootstrap-servers=localhost:9092）、安全协议（如SASL_PLAINTEXT）、消费者组ID等参数。生产者通过KafkaTemplate发送消息到指定Topic，消费者通过@KafkaListener注解监听Topic并处理消息，支持事务管理（如@Transactional）确保消息一致性。
3. 与Storm集成（实时流处理）
Storm通过与Kafka集成实现实时数据流的采集与处理。需添加storm-kafka-client依赖（版本与Storm保持一致），配置KafkaSpoutConfig指定Kafka broker地址、Topic名称、消费者组ID及消息转换逻辑（如将Kafka消息转为Storm Tuple）。编写Storm Topology时，将KafkaSpout作为数据源，连接处理Bolt（如PrintBolt打印消息或自定义业务Bolt进行数据清洗、转换），提交Topology至Storm集群后，即可从Kafka消费数据并进行实时处理。
4. 与Spark集成（大规模实时计算）
Spark（Streaming/Structured Streaming）与Kafka集成可实现大规模实时数据处理。对于Spark Streaming（Spark 2.x之前），使用KafkaUtils.createDirectStream方法从Kafka读取数据（配置bootstrap.servers、group.id、key/value.deserializer等参数），通过foreachRDD对每个RDD进行处理（如打印、转换）；对于Spark Structured Streaming（Spark 2.x及以上），使用spark.readStream.format("kafka")创建DataFrame，指定Kafka参数及订阅Topic，通过selectExpr提取键值（如cast(key as string)、cast(value as string)），再通过writeStream将结果输出到控制台、Kafka或其他存储系统（如HDFS、数据库）。集成时需注意设置检查点（checkpointLocation）保障容错性，优化并行度（repartition）提升处理性能。
5. 与微服务架构集成（事件驱动模式）
在微服务架构中，Kafka作为事件总线实现服务间解耦。生产者微服务通过Kafka客户端库（如kafka-clients）将业务事件（如订单创建、用户更新）发布到指定Topic，消费者微服务订阅Topic并处理事件（如库存扣减、积分发放）。采用发布-订阅模式提高系统扩展性（新增消费者无需修改生产者），通过消费者组实现广播（多个消费者处理同一Topic消息）或负载均衡（每个分区由一个消费者处理）。为提升可靠性，可配置生产者acks=all（确保消息持久化）、消费者enable.auto.commit=false（手动提交偏移量）及Kafka Topic副本因子（replication.factor>=2）。
6. 与大数据系统集成（离线+实时处理）
Kafka可与Hadoop、ClickHouse等大数据系统集成，实现离线与实时数据处理统一。与Hadoop集成时，通过Kafka Connect将Kafka数据导入HDFS（如使用HdfsSinkConnector），利用Hadoop MapReduce或Spark on Hadoop进行批处理（如日志分析、数据挖掘）；与ClickHouse集成时，通过Kafka Engine表引擎（ENGINE = Kafka）订阅Kafka Topic，实时将数据写入ClickHouse，支持SQL查询（如SELECT * FROM kafka_table），适用于实时报表、数据分析场景。