我正在尝试从twitter上传不同主题的数据：音乐、政治、体育等，以便在Map上显示tweet。其目的是用户可以“过滤”她/他正在观看的推文（按时间戳、按主题…）。我用Kafka，Spark流和tweepy为这个项目。
每一个提到的主题都会被几个关键词/标签过滤掉。你可以看到下面的例子。

music_keywords = ['music', 'song', 'The Voice', '#Eurovision']
politics_keywords = ['politics', 'democracy', 'government']
sports_keywords = ['sports', 'football', 'tennis', 'basketball', 'Real Madrid']

正因为如此，我怀疑是为每一个主题创建一个Kafka主题，还是仅仅通过一个键识别它们并将它们发布到同一个主题。
我读过，强烈建议使用分区来保持kafka消息的发布顺序，并按此顺序使用它们。但这对我来说不是问题，因为我不在乎订单，所有的微博都会被同一个消费者消费。我还担心严格的顺序可能会导致消费时的延迟。
我考虑过的另一个解决方案是，根据所有主题的所有关键字过滤tweet，然后在解析消费者中的数据时，根据每个tweet的文本对它们进行分类（例如，使用开关）。
我不知道哪种方法最适合我的问题，同时考虑到我使用的是标准的twitterapi，而且我没有大量的传入数据。