可扩展性是我们设计此类系统（拉动与推动）时的主要驱动因素。 Kafka非常具有可扩展性。 Kafka的一个主要优点是，在不影响性能和不停机的情况下添加大量消费者非常容易。
Kafka可以处理来自生产商的每秒100k +的事件。 由于Kafka消费者从主题中提取数据，不同的消费者可以以不同的速度消费消息。 Kafka还支持不同的消费模式。您可以让一个消费者实时处理消息，另一个消费者以批处理模式处理消息。
另一个原因可能是Kafka不仅适用于像Hadoop这样的单一消费者。不同的消费者可以有不同的需求和能力。
基于拉动的系统存在一些缺陷，例如由于定期轮询而浪费资源。卡夫卡支持长期民意调查＆＃39;等待模式，直到真正的数据来缓解这个缺点。
请参阅Kafka文档，其中详细说明了特定的设计决策：Push vs pull
支持拉动的主要观点是：
- 在与多元化消费者打交道时更好（没有经纪人确定所有人的数据传输率）;
- 消费者可以更有效地控制个人消费率;
- 更轻松，更优化的批处理实施。
基于拉动的系统（消费者在没有数据可用的情况下对数据进行轮询）的缺点通过长期调查得到了有效缓解。等待模式，直到数据到达。
其他人已经根据Kafka的文档提供了答案，但有时应该以含盐的产品文档作为绝对的技术参考。例如：
- 众多基于推送的消息传递系统支持以下情况下的消费
通常通过其会话管理原语来确定不同的速率。
您在建立/恢复活动的应用程序层会话时
想消耗并暂停会话（例如，通过
当您想要响应时，响应时间小于保持活动窗口并大于运行中窗口...或带有显式消息）
停止/暂停。例如，MQTT和AMQP都提供此功能
（从90年代后期开始，就MQTT而言）。鉴于没有采取任何行动
暂停消费（根据定义）所需的流量更少
在稳定状态下需要（无请求），很难
了解Kafka的基于pull的模型如何更有效。
- 推式消息传递相对于拉式消息传递的一个重要优势是
没有请求流量会随着潜在数量的增加而扩展
活动主题增加。如果您有一百万潜在活跃
主题，则必须对所有这些主题发出查询。这个
大规模关注变得尤为重要。
- 拉式消息传递与推式消息传递相比，关键优势是可重播性。这在很大程度上决定着下游系统是否可以围绕处理提供保证（例如，它们可能在这样做之前失败，并且必须重新启动，或者例如，无法以可恢复的方式写入消息）。
- 拉式消息传递与推式消息传递相比的另一个关键优势是缓冲区分配。消费过程可以显式请求可容纳在预分配缓冲区中的数据，而不必一遍又一遍地分配缓冲区。与查询缩放带来的推送消息相比，这可以弥补一些吞吐量损失（但不是很多）。但是，如果您的消息大小变化很大（例如，几KB->几百MB），那么这里的影响是可以衡量的。
- 建议pull消息具有结构上的可伸缩性优势优于push消息，这是一个谬论。分区是通常用于在消息传递应用程序中提供规模的功能，而与消耗模型无关。在硬连线的本地集群上，有超过300M msgs / sec的推送消息系统运行良好... 125K msgs / sec甚至不能买入该节目。实际上，根据定义，拉式消息传递的吞吐率次优，而像Kafka这样的系统通常最终会使用更多硬件来达到相同的性能水平。上面提到的好处通常会使它值得。我不知道有人在高频交易中使用Kafka进行消息传递，例如，微秒很重要。
也许有趣的是，在1990年代后期开发了各种推挽消息传递系统，作为优化吞吐量的一种方式。结果从未令人st舌，并且系统复杂性和其他因素常常超过了这种优化。我相信这是Jay关于在实际数据中心网络上的实际性能的总体观点，更不用说开放Internet之类的东西了。