KTable 和 KStream 是 Kafka Streams 的两个基本概念。虽然它们之间具有某些相似之处，但是它们也有很多不同之处。

KTable 行为的主要区别在于它更像是一个键值对存储，并允许多个事件流（也称为 record stream）中相同键的记录进行聚合和计算。而 KStream 更像是一个时间序列存储。

下面是一个使用 Kafka Streams 和 Scala 的示例代码，以演示如何将 KTable 和 KStream 区分开来：

val builder = new StreamsBuilder()

val inputTable: KTable[String, String] = builder.table("inputTopic")
val inputStream: KStream[String, String] = builder.stream("inputTopic")

val transformedTable: KTable[String, String] = inputTable.mapValues(value => s"transformed-$value")
val transformedStream: KStream[String, String] = inputStream.mapValues(value => s"transformed-$value")

transformedTable.toStream.to("outputTableTopic")
transformedStream.to("outputStreamTopic")

val streams = new KafkaStreams(builder.build(), streamsConfig)
streams.start()

在上面的示例中，我们使用了方法 table() 和 stream() 来分别创建一个 KTable 和一个 KStream。我们还使用了方法 mapValues() 来将每个记录（或值）都进行转换，以便进行进一步处理。最后，我们通过将转换后的结果发送到相应的输出主题中来输出最终数据流。