RocketMQ與kafka對比（18項差別）

淘寶內部的交易系統使用了淘寶自主研發的Notify消息中間件，使用Mysql做爲消息存儲媒介，可徹底水平擴容，爲了進一步下降成本，咱們認爲存儲部分能夠進一步優化，2011年初，Linkin開源了Kafka這個優秀的消息中間件，淘寶中間件團隊在對Kafka作過充分Review以後，Kafka無限消息堆積，高效的持久化速度吸引了咱們，可是同時發現這個消息系統主要定位於日誌傳輸，對於使用在淘寶交易、訂單、充值等場景下還有諸多特性不知足，爲此咱們從新用Java語言編寫了RocketMQ，定位於非日誌的可靠消息傳輸（日誌場景也OK），目前RocketMQ在阿里集團被普遍應用在訂單，交易，充值，流計算，消息推送，日誌流式處理，binglog分發等場景。

數據可靠性

• RocketMQ支持異步實時刷盤，同步刷盤，同步複製，異步複製
• 卡夫卡使用異步刷盤方式，異步複製/同步複製

  總結：RocketMQ的同步刷盤在單機可靠性上比Kafka更高，不會由於操做系統Crash，致使數據丟失。Kafka同步Replication理論上性能低於RocketMQ的同步Replication，緣由是Kafka的數據以分區爲單位組織，意味着一個Kafka實例上會​​有幾百個數據分區，RocketMQ一個實例上只有一個數據分區，RocketMQ能夠充分利用IO組Commit機制，批量傳輸數據，配置同步Replication與異步Replication相比，性能損耗約20%~30%，Kafka沒有親自測試過，可是我的認爲理論上會低於RocketMQ。

性能對比

• 卡夫卡單機寫入TPS約在百萬條/秒，消息大小10個字節
• RocketMQ單機寫入TPS單實例約7萬條/秒，單機部署3個Broker，能夠跑到最高12萬條/秒，消息大小10個字節

  總結：Kafka的TPS跑到單機百萬，主要是因爲Producer端將多個小消息合併，批量發向Broker。
  RocketMQ爲何沒有這麼作？

1. 製片人一般使用的Java語言，緩存過多消息，GC是個很嚴重的問題
2. Producer調用發送消息接口，消息未發送到Broker，向業務返回成功，此時Producer宕機，會致使消息丟失，業務出錯
3. Producer一般爲分佈式系統，且每臺機器都是多線程發送，咱們認爲線上的系統單個Producer每秒產生的數據量有限，不可能上萬。
4. 緩存的功能徹底能夠由上層業務完成。
   單機支持的隊列數

• Kafka單機超過64個隊列/分區，Load會發生明顯的飆高現象，隊列越多，load越高，發送消息響應時間變長。Kafka分區數沒法過多的問題
• RocketMQ單機支持最高5萬個隊列，負載不會發生明顯變化
  隊列多有什麼好處？

1. 單機能夠建立更多話題，由於每一個主題都是由一批隊列組成
2. 消費者的集羣規模和隊列數成正比，隊列越多，消費類集羣能夠越大

消息投遞實時性

• Kafka使用短輪詢方式，實時性取決於輪詢間隔時間，0.8之後版本支持長輪詢。

• RocketMQ使用長輪詢，同Push方式實時性一致，消息的投遞延時一般在幾個毫秒。
  消費失敗重試

• 卡夫卡消費失敗不支持重試。

• RocketMQ消費失敗支持定時重試，每次重試間隔時間順延

  總結：例如充值類應用，當前時刻調用運營商網關，充值失敗，多是對方壓

  力過多，稍後再調用就會成功，如支付寶到銀行扣款也是相似需求。

  這裏的重試須要可靠的重試，即失敗重試的消息不由於Consumer宕機致使丟失。

嚴格的消息順序

• 卡夫卡支持消息順序，可是一臺代理宕機後，就會產生消息亂序
• RocketMQ支持嚴格的消息順序，在順序消息場景下，一臺Broker宕機後，發送消息會失敗，可是不會亂序

  MySQL的二進制日誌分發須要嚴格的消息順序

定時消息

• 卡夫卡不支持定時消息

• RocketMQ支持兩類定時消息

  • 開源版本RocketMQ僅支持定時級別，定時級用戶可定製
  • 阿里雲MQ指定的毫秒級別的延時時間
    分佈式事務消息

• 卡夫卡不支持分佈式事務消息

• 阿里雲MQ支持分佈式事務消息，將來開源版本的RocketMQ也有計劃支持分佈式事務消息
  消息查詢

• 卡夫卡不支持消息查詢

• RocketMQ支持根據消息標識查詢消息，也支持根據消息內容查詢消息（發送消息時指定一個消息密鑰，任意字符串，例如指定爲訂單編號）

  總結：消息查詢對於定位消息丟失問題很是有幫助，例如某個訂單處理失敗，是消息沒收到仍是收處處理出錯了。
  消息回溯

• 卡夫卡理論上能夠按照偏移來回溯消息

• RocketMQ支持按照時間來回溯消息，精度毫秒，例如從一天以前的某時某分某秒開始從新消費消息

  總結：典型業務場景如consumer作訂單分析，可是因爲程序邏輯或者依賴的系統發生故障等緣由，致使今天消費的消息所有無效，須要從新從昨天零點開始消費，那麼以時間爲起點的消息重放功能對於業務很是有幫助。
  消費並行度

 

• Kafka的消費並行度依賴Topic配置的分區數，如分區數爲10，那麼最多10臺機器來並行消費（每臺機器只能開啓一個線程），或者一臺機器消費（10個線程並行消費）。即消費並行度和分區數一致。

• RocketMQ消費並行度分兩種狀況

  • 順序消費方式並行度同卡夫卡徹底一致
  • 亂序方式並行度取決於Consumer的線程數，如Topic配置10個隊列，10臺機器消費，每臺機器100個線程，那麼並行度爲1000。
    消息軌跡

• 卡夫卡不支持消息軌跡

• 阿里雲MQ支持消息軌跡
  開發語言友好性

• 卡夫卡採用斯卡拉編寫

• RocketMQ採用的Java語言編寫
  券商端消息過濾

• 卡夫卡不支持代理端的消息過濾

• RocketMQ支持兩種代理端消息過濾方式

  • 根據消息變量來過濾，至關於子主題概念
  • 向服務器上傳一段Java代碼，能夠對消息作任意形式的過濾，甚至能夠作Message身體的過濾拆分。
    消息堆積能力

理論上Kafka要比RocketMQ的堆積能力更強，不過RocketMQ單機也能夠支持億級的消息堆積能力，咱們認爲這個堆積能力已經徹底能夠知足業務需求。

 

本文轉自：http://jm.taobao.org/2016/03/24/rmq-vs-kafka/