kstreams config num.stream.threads允许您覆盖1中的线程数。不过，最好只是运行流媒体应用的多个示例，所有示例都运行相同的用户组。这样，您就可以根据需要启动尽可能多的示例来获得最佳分区。

更新2020年10月：我写了一个关于Kafka基本原理的四部分博客系列，我建议你阅读这些问题。特别是对于这个问题，请看第3部分“处理基础知识”。
对于你的问题：
kafka流如何处理并发性？一切都在一个线程中运行吗？我没有看到文件中提到这一点。
详细记录如下：http://docs.confluent.io/current/streams/architecture.html#parallelism-模型。我不想一字不差地复制粘贴到这里，但我想强调的是，要理解的关键元素是分区（参见Kafka的主题分区，它在kafka流中被泛化为“流分区”，因为不是所有正在处理的数据流都将通过kafka），因为分区当前决定了kafka（代理/服务器端）和使用kafka流api的流处理应用程序（客户端）的并行性。
如果是单线程的，我希望多线程处理的选项可以处理大量的数据。
处理分区总是只由一个“线程”来完成，这可以确保您不会遇到并发问题。但是。。。
如果是多线程的，我需要了解它是如何工作的，以及如何处理资源，比如sql数据库连接应该在不同的处理线程中共享。
…因为kafka允许一个主题有多个分区，所以可以进行并行处理。例如，如果一个主题有100个分区，那么最多100个流任务（或者，有些过于简化：最多100个不同的机器，每个机器运行一个应用程序示例）可以并行处理该主题。同样，每个流任务将获得对1个分区的独占访问权，然后它将处理该分区。
相对于其他选项（spark、akka、samza、storm等），kafka的内置流式api是否不推荐用于高容量场景？
kafka的流处理引擎是绝对值得推荐的，而且在实际中也被用于大量场景。比较基准测试的工作仍在进行中，但在许多情况下，基于kafka流的应用程序速度更快。请参阅line engineer的博客：applying kafka streams for internal message delivery pipeline的一篇文章。line corp是亚洲最大的社交平台之一（2.2亿以上用户），他们在文章中描述了如何在生产中使用kafka和kafka streams api每秒处理数百万个事件。