大数据处理架构详解：Lambda架构、Kappa架构、流批一体、Dataflow模型、实时数仓
https://www.cnblogs.com/robots2/p/17769376.html
Lambda架构和Kappa架构的区别可以通过下表进行对比说明:
| 对比项 | Lambda架构 | Kappa架构 |
|---|---|---|
| 组成 | 批处理层 速度层 服务层 | 流式处理层 服务层 |
| 数据处理方式 | 批处理系统处理历史数据 流式系统处理实时数据 | 仅用流式系统处理全部数据 |
| 系统复杂度 | 较高，需要开发和维护两个系统 | 较低，只需要一个流式系统 |
| 延迟一致性 | 存在，实时视图和批处理视图有延迟差异 | 更好，没有批处理系统 |
| 数据冗余 | 存在，需要重播日志到实时系统 | 较少，无需重播日志 |
| 历史数据处理 | 批处理系统可进行复杂历史分析 | 相对复杂，只有流式系统 |
总结来说:
Lambda架构通过批处理层和速度层的组合，兼顾了低延迟和复杂分析，但系统较复杂，存在数据冗余和延迟不一致问题。
Kappa架构只通过流式系统实现所有处理，简化了架构，但历史数据分析相对复杂，需要流式系统保证精确一次语义。
两者都有各自的优缺点，需要根据具体场景进行技术选型和设计权衡。