从技术上讲，可以在与代理相同的服务器上运行kafka streams应用程序。但不建议这样做。两者都需要共享相同的资源，最终会产生争用。
每当我让Kafka经纪人倒下时，它就会进入再平衡
不知道为什么会这样。您使用的是什么版本的kafka或streams api？如果您使用的是broker0.10.1+，我强烈建议您将streams应用程序升级到0.11（注意，您可以在不升级broker的情况下完成此操作）。
根据你要分阶段解决的问题的细节， StandbyTask 可能有助于长时间的重新平衡。您可以简单地配置参数 num.standby.replica = 1 启用 StandbyTask s。

回答标题中的问题：
来自spark/hdfs的背景，我认为这是一种思维的改变，因为您习惯于认为在数据所在的位置进行处理是好的，可以利用数据的局部性。在这里，代理将提供数据位置，但必须将数据发送到kafka streams集群进行处理（失去一些好处）。但是，将它们分开允许您分别管理两个集群。
如果您想到一个运行高延迟处理作业、共享数据+处理的集群（例如hdfs+yarn集群），您可以得到“数据所在的进程”，而不是相反的结果。您可以为您的数据处理分配资源—但其思想是，您的处理不依赖于临时数据峰值（与流式处理一样），而是依赖于总数据量。如果您的数据增长，您的计算将花费更多的时间，您可以分配更多的资源，但它们将同时增长。但是，在流式应用程序中，必要的处理能力确实取决于数据峰值（以及您的低延迟要求），而不是取决于总的数据量，因此存储和处理是分开度量和管理的是有意义的，因为它们的弹性需求不是基于同一维度的。
这与一个明显的事实不同，即在同一个节点中同时使用数据处理（kafka代理）和数据处理（kafka流）会给节点带来更多的负载，但我们假设在确定节点尺寸时已经考虑到了这一点。