RocketMQ和Kafka到底选哪个

Posted 2023-05-03

参考技术A

1、适用场景
kafka适合日志处理
rocketmq适合业务处理
结论：两者没有区别，根据具体业务定夺

2、性能
kafka单机写入TPS号称在百万条/秒
rocketmq大约在10万条/秒
结论：追求性能方面，kafka单机性能更高

3、可靠性
kafka使用异步刷盘方式，异步Replication
rocketmq支持异步/同步刷盘，异步/同步Replication
结论：rocketmq所支持的同步方式提升了数据的可靠性

4、实时性
kafka和rocketmq均支持pull长轮询，rocketmq消息实时性更高
结论：rocketmq胜出

5、支持的队列数
kafka单机超过64个队列/分区，消息发送性能降低严重
rocketmq单机支持最高5W个队列，性能稳定
结论：长远看，rocketmq胜出，

6、消息顺序性
kafka某些配置下，支持消息顺序，但是一台Broker宕机后，就会产生消息乱序
rocketmq支持严格的消息顺序，一台Broker宕机后，发送消息会失败，但是不会乱序
结论：rocketmq胜出

7、消息失败重试机制
kafka消费失败不支持重试
rocketmq消费失败支持定时重试，每次重试间隔时间顺延

8、定时/延时消息
kafka不支持定时消息
rocketmq支持定时消息

9、分布式事务消息
kafka不支持分布式事务消息
rocketmq未来会支持

10、消息查询机制
kafka不支持消息查询
rocketmq支持根据message id查询消息，也支持根据消息内容查询消息

11、消息回溯
kafka可以按照offset回溯消息
rocketmq支持按照时间回溯消息，例如从一天之前的某时某分开始重新消费消息

问题一：push和pull模式
push模式：客户端与服务端建立连接后，当服务端有消息时，将消息推送到客户端
pull模式：客户端不断的轮询请求服务端，来获取新的消息
在具体实现时，push和pull模式都是采用消费端主动拉取的方式，即consumer轮询从broker拉取消息
区别：
push 方式中，consumer把轮询过程封装了，并注册了MessageListener监听器，取到消息后，唤醒MessageListener的consumerMessage来消费，用户而言，觉得消息被推送过来的
pull方式中，取消息的过程需要用户自己写，首先通过打算消费的Topic拿到MessageQueue的集合，遍历MessageQueue集合，然后针对每个MessageQueue批量获取消息，一次取完之后，记录该队列下一次要取的开始offset，直到取完了，再换另一个MessageQueue
疑问：既然都是采用pull方式实现，rocketmq怎么保证消息的实时性？
长轮询：rocketmq时采用长轮询的方式实现的，指的是在请求的过程中，若是服务器端数据并没有更新，那么则将这个连接挂起，直到服务器推送新的数据，再返回，然后进入循环周期
客户端像传统轮询一样从服务端请求数据，服务端会阻塞请求不会立刻返回，直到有数据或者超时才返回给客户端，然后关闭连接，客户端处理完响应信息后再向服务器发送新的请求

MQ选型对比ActiveMQ,RabbitMQ,RocketMQ,Kafka 消息队列框架选哪个？

最近研究消息队列，发现好几个框架，搜罗一下进行对比，说一下选型说明：

1）中小型软件公司，建议选RabbitMQ。一方面，erlang语言天生具备高并发的特性，而且他的管理界面用起来十分方便。不考虑rocketmq和kafka的原因是，一方面中小型软件公司不如互联网公司，数据量没那么大，选消息中间件，应首选功能比较完备的，所以kafka排除。RocketMQ也很不错，只是没有RabbitMQ出来的早，文档和网上的资料没有RabbitMQ多，但也是很不错，RocketMQ是阿里出品，现在阿里已经把RocketMQ捐赠给Apache了，维护和更新不是问题 。

2)大型软件公司，根据具体使用在rocketMq和kafka之间二选一。一方面，大型软件公司，具备足够的资金搭建分布式环境，也具备足够大的数据量。针对rocketMQ,大型软件公司也可以抽出人手对rocketMQ进行定制化开发，毕竟国内有能力改JAVA源码的人，还是相当多的。至于kafka，根据业务场景选择，如果有日志采集功能，肯定是首选kafka了。具体该选哪个，看使用场景

(上面观点都是个人意见，仅供参考)

特性	ActiveMQ	RabbitMQ	RocketMQ	kafka
开发语言	java	erlang	java	scala
单机吞吐量	万级	万级	10万级	10万级
时效性	ms级	us级	ms级	ms级以内
可用性	高(主从架构)	高(主从架构)	非常高(分布式架构)	非常高(分布式架构)
功能特性	成熟的产品，在很多公司得到应用；有较多的文档；各种协议支持较好	基于erlang开发，所以并发能力很强，性能极其好，延时很低;管理界面较丰富	MQ功能比较完备，扩展性佳	只支持主要的MQ功能，像一些消息查询，消息回溯等功能没有提供，毕竟是为大数据准备的，在大数据领域应用广。

 

ActiveMQ、Kafka、RocketMQ、RabbitMQ比较

 1.ActiveMQ

优点

 单机吞吐量：万级

 topic数量都吞吐量的影响：

 时效性：ms级

 可用性：高，基于主从架构实现高可用性

 消息可靠性：有较低的概率丢失数据

 功能支持：MQ领域的功能极其完备

缺点:

官方社区现在对ActiveMQ 5.x维护越来越少，较少在大规模吞吐的场景中使用。

 

2.Kafka

号称大数据的杀手锏，谈到大数据领域内的消息传输，则绕不开Kafka，这款为大数据而生的消息中间件，以其百万级TPS的吞吐量名声大噪，迅速成为大数据领域的宠儿，在数据采集、传输、存储的过程中发挥着举足轻重的作用。

Apache Kafka它最初由LinkedIn公司基于独特的设计实现为一个分布式的提交日志系统( a distributed commit log)，之后成为Apache项目的一部分。

目前已经被LinkedIn，Uber, Twitter, Netflix等大公司所采纳。

优点

 性能卓越，单机写入TPS约在百万条/秒，最大的优点，就是吞吐量高。

 时效性：ms级

 可用性：非常高，kafka是分布式的，一个数据多个副本，少数机器宕机，不会丢失数据，不会导致不可用

 消费者采用Pull方式获取消息, 消息有序, 通过控制能够保证所有消息被消费且仅被消费一次;

 有优秀的第三方Kafka Web管理界面Kafka-Manager；

 在日志领域比较成熟，被多家公司和多个开源项目使用；

 功能支持：功能较为简单，主要支持简单的MQ功能，在大数据领域的实时计算以及日志采集被大规模使用

缺点：

 Kafka单机超过64个队列/分区，Load会发生明显的飙高现象，队列越多，load越高，发送消息响应时间变长

 使用短轮询方式，实时性取决于轮询间隔时间；

 消费失败不支持重试；

 支持消息顺序，但是一台代理宕机后，就会产生消息乱序；

 社区更新较慢；

 

3.RabbitMQ

RabbitMQ 2007年发布，是一个在AMQP(高级消息队列协议)基础上完成的，可复用的企业消息系统，是当前最主流的消息中间件之一。

RabbitMQ优点：

 由于erlang语言的特性，mq 性能较好，高并发；

 吞吐量到万级，MQ功能比较完备  

 健壮、稳定、易用、跨平台、支持多种语言、文档齐全；

 开源提供的管理界面非常棒，用起来很好用  

 社区活跃度高；

RabbitMQ缺点：

 erlang开发，很难去看懂源码，基本职能依赖于开源社区的快速维护和修复bug，不利于做二次开发和维护。

 RabbitMQ确实吞吐量会低一些，这是因为他做的实现机制比较重。  

 需要学习比较复杂的接口和协议，学习和维护成本较高。

 

4.RocketMQ

RocketMQ出自 阿里公司的开源产品，用 Java 语言实现，在设计时参考了 Kafka，并做出了自己的一些改进。

RocketMQ在阿里集团被广泛应用在订单，交易，充值，流计算，消息推送，日志流式处理，binglog分发等场景。

 

RocketMQ优点：

 单机吞吐量：十万级

 可用性：非常高，分布式架构

 消息可靠性：经过参数优化配置，消息可以做到0丢失

 功能支持：MQ功能较为完善，还是分布式的，扩展性好

 支持10亿级别的消息堆积，不会因为堆积导致性能下降

 源码是java，我们可以自己阅读源码，定制自己公司的MQ，可以掌控 

RocketMQ缺点：

 支持的客户端语言不多，目前是java及c++，其中c++不成熟；

 社区活跃度一般

 没有在 mq 核心中去实现JMS等接口，有些系统要迁移需要修改大量代码