RocketMQ与kafka对比（18项差异）

素颜马尾好姑娘i 2021-11-13 23:20 348阅读 0赞

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][TPS_10]
 *  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？*

1.  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
2.  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
3.  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。
4.  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][Kafka]
 *  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？*

1.  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
2.  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。  
        **消息轨迹**
 *  卡夫卡不支持消息轨迹
 *  阿里云MQ支持消息轨迹  
    开发语言友好性
 *  卡夫卡采用斯卡拉编写
 *  RocketMQ采用的Java语言编写  
    券商端消息过滤
 *  卡夫卡不支持代理端的消息过滤
 *  RocketMQ支持两种代理端消息过滤方式
    
     *  根据消息变量来过滤，相当于子主题概念
     *  向服务器上传一段Java代码，可以对消息做任意形式的过滤，甚至可以做Message身体的过滤拆分。  
        消息堆积能力

理论上Kafka要比RocketMQ的堆积能力更强，不过RocketMQ单机也可以支持亿级的消息堆积能力，我们认为这个堆积能力已经完全可以满足业务需求。

开源社区活跃度

*  卡夫卡社区更新较慢
 *  [RocketMQ的GitHub的社区有250个个人，公司用户登记了联系方式，QQ群超过1000人。][RocketMQ_GitHub_250_QQ_1000] MQ \#\#\#商业支持
 *  卡夫卡原开发团队成立新公司，目前暂没有相关产品看到
 *  [RocketMQ在阿里云已经商业化，目前以云服务形式供大家商用，并向用户承诺99.99%的可靠性，同时彻底解决了用户自己搭建MQ产品的运维复杂性问题][RocketMQ_99.99_MQ]  
    成熟度
 *  卡夫卡在日志领域比较成熟
 *  RocketMQ在阿里集团内部有大量的应用在使用，每天都产生海量的消息，并且顺利支持了多次天猫双十一海量消息考验，是数据削峰填谷的利器。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW96aHUwMzAx_size_16_color_FFFFFF_t_70][]

[TPS_10]: http://engineering.linkedin.com/kafka/benchmarking-apache-kafka-2-million-writes-second-three-cheap-machines
[Kafka]: http://blog.confluent.io/2015/03/12/how-to-choose-the-number-of-topicspartitions-in-a-kafka-cluster/
[RocketMQ_GitHub_250_QQ_1000]: https://github.com/alibaba/RocketMQ/issues/1
[RocketMQ_99.99_MQ]: http://www.aliyun.com/product/ons
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW96aHUwMzAx_size_16_color_FFFFFF_t_70]: /images/20211113/dc60f8fa5d264a769481c137bccaa98b.png