在JVM上，我认为您可以将分布式计算大致分为几个类别。

• 如果您需要分布式状态，可以使用Hazelcast（内存中的网格）之类的工具，但是您需要自己组织处理数据的任务。
• 如果你想要分布式任务执行，Flink和Spark可以做到。协调状态变化可能很困难，你可能不得不将输入扭曲到它们的基本抽象（RDD和流）中。
• 复制日志之上的Pubsub（如Kafka和Pulsar）与Akka一样，是显式基于消息的（实际上，分布式计算中的任何东西都是基于消息的：在某个点上，您有数据包通过线路传输），但您可以非常快地建立一个服务和主题的混乱。

据我所知，Akka是涵盖状态分布和任务分布的唯一（或者至少是最成熟的）选项，而且它在这方面的静态性稍差（就可伸缩性而言：在IDE中，与通过Kafka进行交互的服务的混乱相比，交互的参与者的混乱（特别是在优先使用类型化API而不是经典API的情况下）可能更容易跟踪。
为了注入一点意见，虽然Kafka是，在我的经验，使用它作为一个哑巴管道，坚如磐石，我不是一个球迷的倾向，我观察到，其主要供应商在分布式计算领域的过度承诺，而我发现 akka 的主要供应商是相当坦率地说，没有银。

您可能会说，在某些用例中，Apache Kafka是Akka Cluster的替代方案。
Kafka本身就像一个代理集群，你的Kafka主题在这个集群中被划分和分布，你可以用多个消费者来阅读你的主题，这将是你的计算分布的工具。