如果您喜欢直截了当的话：消息传递是两个或多个进程或组件之间的通信，而流则是在事件发生时传递事件日志。消息携带原始数据，而事件包含有关事件发生和活动（如顺序）的信息。所以Kafka同时做信息和流媒体。Kafka中的主题可以是原始消息或事件日志，通常会保留数小时或数天。事件可以进一步聚合为更复杂的事件。

基本上，kafka是类似于activemq或rabbitmq的消息传递框架。有一些努力，Kafka走向流是由合流。
https://www.confluent.io/blog/introducing-kafka-streams-stream-processing-made-simple/
那为什么Kafka在谈到流处理的时候会出现呢？
流处理框架因数据输入的不同而不同，在批处理中，有些文件存储在文件系统中，需要不断地处理这些文件并存储在数据库中。流内处理框架如spark、storm等将从一些传感器设备获得连续的输入，而api feed和kafka则用于流引擎。

消息处理意味着对和/或使用单个消息的操作。流处理包括对单个消息和/或使用单个消息的操作，以及对流入系统的消息集合的操作。例如，假设交易是针对支付工具进行的，流处理可以用来连续计算每小时的平均花费。在这种情况下，可以在流上施加一个滑动窗口，该窗口在一小时内拾取消息并计算平均数量。这样的数字就可以作为欺诈检测系统的输入

尽管rabbit支持流媒体，但它实际上并不是为它而构建的（参见rabbit）´rabbit是一个消息代理，kafka是一个事件流平台。
Kafka可以处理大量关于兔子的“信息”。Kafka是一个日志，而兔子是一个队列，这意味着一旦消费，兔子´如果你需要的话，你的信息就不在了。
不过，rabbit可以指定消息优先级，但kafka不能´t。
这取决于你的需要。

在传统的消息处理中，您对消息应用简单的计算——在大多数情况下，每个消息都单独进行计算。
在流处理中，您可以同时对多个输入流和多个记录（即消息）应用复杂的操作（如聚合和联接）。
此外，传统的消息传递系统不能“回到时间”，即消息传递给所有订阅的用户后，系统会自动删除消息。相反，kafka使用基于pull的模型（即，消费者从kafka中提取数据）将消息保留一段可配置的时间。这允许使用者“倒带”并多次使用消息——或者，如果您添加了一个新的使用者，它可以读取完整的历史记录。这使得流处理成为可能，因为它允许更复杂的应用程序。此外，流处理不一定是实时处理，而是处理无限的输入流（与应用于有限输入的批处理相反）。
kafka提供了kafka connect和streams api——因此它是一个流处理平台，而不仅仅是一个消息传递/发布子系统（即使它在其核心中使用了它）。