RocketMQ与Kafka差异对比：从架构到性能细节，解析两者在可靠性、扩展性和可用性等方面的优劣-CSDN博客

阿里云国内75折回扣微信号：monov8

阿里云国际，腾讯云国际，低至75折。AWS 93折免费开户实名账号代冲值优惠多多微信号：monov8 飞机：@monov6

淘宝内部的交易系统使用了淘宝自主研发的Notify消息中间件使用Mysql作为消息存储媒介可完全水平扩容为了进一步降低成本我们认为存储部分可以进一步优化2011年初Linkin开源了Kafka这个优秀的消息中间件淘宝中间件团队在对Kafka做过充分Review之后Kafka无限消息堆积高效的持久化速度吸引了我们但是同时发现这个消息系统主要定位于日志传输对于使用在淘宝交易、订单、充值等场景下还有诸多特性不满足为此我们重新用Java语言编写了RocketMQ定位于非日志的可靠消息传输日志场景也OK目前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。

数据可靠性

RocketMQ支持异步实时刷盘同步刷盘同步复制异步复制
卡夫卡使用异步刷盘方式异步复制/同步复制总结RocketMQ的同步刷盘在单机可靠性上比Kafka更高不会因为操作系统Crash导致数据丢失。Kafka同步Replication理论上性能低于RocketMQ的同步Replication原因是Kafka的数据以分区为单位组织意味着一个Kafka实例上会有几百个数据分区RocketMQ一个实例上只有一个数据分区RocketMQ可以充分利用IO组Commit机制批量传输数据配置同步Replication与异步Replication相比性能损耗约20%~30%Kafka没有亲自测试过但是个人认为理论上会低于RocketMQ。

性能对比

卡夫卡单机写入TPS约在百万条/秒消息大小10个字节
RocketMQ单机写入TPS单实例约7万条/秒单机部署3个Broker可以跑到最高12万条/秒消息大小10个字节总结Kafka的TPS跑到单机百万主要是由于Producer端将多个小消息合并批量发向Broker。RocketMQ为什么没有这么做

制片人通常使用的Java语言缓存过多消息GC是个很严重的问题
Producer调用发送消息接口消息未发送到Broker向业务返回成功此时Producer宕机会导致消息丢失业务出错
Producer通常为分布式系统且每台机器都是多线程发送我们认为线上的系统单个Producer每秒产生的数据量有限不可能上万。
缓存的功能完全可以由上层业务完成。

单机支持的队列数

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。Kafka分区数无法过多的问题
RocketMQ单机支持最高5万个队列负载不会发生明显变化
队列多有什么好处

单机可以创建更多话题因为每个主题都是由一批队列组成
消费者的集群规模和队列数成正比队列越多消费类集群可以越大

消息投递实时性

Kafka使用短轮询方式实时性取决于轮询间隔时间0.8以后版本支持长轮询。
RocketMQ使用长轮询同Push方式实时性一致消息的投递延时通常在几个毫秒。

消费失败重试

卡夫卡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总结例如充值类应用当前时刻调用运营商网关充值失败可能是对方压力过多稍后再调用就会成功如支付宝到银行扣款也是类似需求。这里的重试需要可靠的重试即失败重试的消息不因为Consumer宕机导致丢失。

严格的消息顺序

卡夫卡支持消息顺序但是一台代理宕机后就会产生消息乱序
RocketMQ支持严格的消息顺序在顺序消息场景下一台Broker宕机后发送消息会失败但是不会乱序MySQL的二进制日志分发需要严格的消息顺序

定时消息

卡夫卡不支持定时消息
RocketMQ支持两类定时消息开源版本RocketMQ仅支持定时级别定时级用户可定制阿里云MQ指定的毫秒级别的延时时间

分布式事务消息

卡夫卡不支持分布式事务消息
阿里云MQ支持分布式事务消息未来开源版本的RocketMQ也有计划支持分布式事务消息

消息查询

卡夫卡不支持消息查询RocketMQ支持根据消息标识查询消息也支持根据消息内容查询消息发送消息时指定一个消息密钥任意字符串例如指定为订单编号

总结消息查询对于定位消息丢失问题非常有帮助例如某个订单处理失败是消息没收到还是收到处理出错了。

消息回溯

卡夫卡理论上可以按照偏移来回溯消息RocketMQ支持按照时间来回溯消息精度毫秒例如从一天之前的某时某分某秒开始重新消费消息

总结典型业务场景如consumer做订单分析但是由于程序逻辑或者依赖的系统发生故障等原因导致今天消费的消息全部无效需要重新从昨天零点开始消费那么以时间为起点的消息重放功能对于业务非常有帮助。

消费并行度

Kafka的消费并行度依赖Topic配置的分区数如分区数为10那么最多10台机器来并行消费每台机器只能开启一个线程或者一台机器消费10个线程并行消费。即消费并行度和分区数一致。RocketMQ消费并行度分两种情况顺序消费方式并行度同卡夫卡完全一致乱序方式并行度取决于Consumer的线程数如Topic配置10个队列10台机器消费每台机器100个线程那么并行度为1000。