Kryo 是一个快速、高效的 Java 序列化框架，专为性能优化设计，比 JDK 原生序列化快 5-10 倍，生成的二进制数据体积更小。它支持对象图序列化（包括循环引用）、类注册（提升性能）和自定义序列化逻辑，广泛应用于游戏、大数据、分布式缓存等高性能场景。

LangChain 是一个**开源的大语言模型（LLM）应用开发框架**，核心目标是降低“将 LLM 与外部工具、数据、工作流结合，构建复杂智能应用”的门槛。由 Harrison Chase 于 2022 年发起，最初以 Python 版本为核心，后来逐步扩展到 JavaScript/TypeScript 等语言，成为当前 LLM 应用开发领域最流行的框架之一。

Azkaban 是一款开源的分布式工作流调度工具，由 LinkedIn 开发并捐赠给 Apache 社区（目前属于 Apache 顶级项目），核心用于调度、监控和管理一系列关联的任务（Job），尤其适用于大数据场景下的离线任务编排（如 Hadoop、Spark、Hive 任务等），也可支持 Shell、Python、Java 等各类脚本/程序的定时/依赖执行。

LangChain 和 LlamaIndex（现更名为 **LlamaIndex TS/JS/Python**，核心定位未变）是大语言模型（LLM）应用开发领域的两大主流框架，二者均旨在解决“LLM与外部数据结合”“构建复杂LLM工作流”的核心需求，但设计理念、核心能力和适用场景存在显著差异。以下从 **核心定位、核心能力、技术架构、适用场景** 四个维度展开对比，并总结关键区别，帮助开发者选择更适配的工具。