我们有一个用python编写的predict服务来提供机器学习服务，你给它发送一组数据，它会给出异常检测或预测等。
我想用kafka流来处理实时数据。
有两种选择方式：
Kafka流作业只完成 ETL 功能：加载数据，并做简单的转换和保存数据ElasticSearch。然后启动一个定时器，周期性地从es加载数据，并调用predict服务来计算并将结果保存回es。
Kafka说，除了工作之外，其他的事情都是由乔布斯来做的 ETL ，当Kafka流作业完成 ETL 然后将数据发送给预测服务，并将计算结果保存到kafka，消费者将kafka的计算结果转发给es。
我认为第二种方法更具实时性，但我不知道在流式作业中做这么多预测任务是个好主意。
对于这样的应用有什么共同的模式或建议吗？