本文共 4417 字，大约阅读时间需要 14 分钟。
| - | - | kafka | RocketMQ | RabbitMQ | 数据来源 | 相关文章 |
| 定位 | 设计定位 | 系统间的数据流管道，实时数据处理。 例如：常规的消息系统、网站活性跟踪，监控数据，日志收集、处理等 | 非日志的可靠消息传输。 例如：订单，交易，充值，流计算，消息推送，日志流式处理，binglog分发等 | 可靠消息传输。和RocketMQ类似。 | ||
| 基础对比 | 成熟度 | 日志领域成熟 | 成熟 | 成熟 | ||
| 所属社区／公司 | Apache | Alibaba开发，已加入到Apache下 | Mozilla Public License | |||
| 社区活跃度 | 高 | 中 | 高 | 来源于网络 | ||
| API完备性 | 高 | 高 | 高 | |||
| 文档完备性 | 高 | 高 | 高 | 来源于网络 | ||
| 开发语言 | Scala | Java | Erlang | |||
| 支持协议 | 一套自行设计的基于TCP的二进制协议 | 自己定义的一套 (社区提供JMS--不成熟) | AMQP | |||
| 客户端语言 | C/C++、Python、Go、Erlang、.NET、Ruby、Node.js、PHP等 | Java | Java、C、 C++、 Python、 PHP、Perl 等 | |||
| 持久化方式 | 磁盘文件 | 磁盘文件 | 内存、文件 | |||
| 可用性、可靠性比较 | 部署方式 | 单机／集群 | 单机／集群 | 单机／集群 | ||
| 集群管理 | zookeeper | name server | ||||
| 选主方式 | 从ISR中自动选举一个leader | 不支持自动选主。通过设定brokername、brokerId实现，brokername相同，brokerid=0时为maser，其他为slave | 最早加入集群的broker | |||
| 可用性 | 非常高 分布式、主从 | 非常高 分布式、主从 | 高 主从，采用镜像模式实现，数据量大时可能产生性能瓶颈 | rabbitMQ集群部署 http://www.cnblogs.com/knowledgesea/p/6535766.html RabbitMQ可用性、可靠性分析 http://blog.csdn.net/cadem/article/details/53422912?utm_source=itdadao&utm_medium=referral | ||
| 主从切换 | 自动切换 N个副本，允许N-1个失效；master失效以后自动从isr中选择一个主； | 不支持自动切换 master失效以后不能向master发送信息，consumer大概30s（默认）可以感知此事件，此后从slave消费；如果master无法恢复，异步复制时可能出现部分信息丢失 | 自动切换 最早加入集群的slave会成为master；因为新加入的slave不同步master之前的数据，所以可能会出现部分数据丢失 | |||
| 数据可靠性 | 很好 支持producer单条发送、同步刷盘、同步复制、异步。 | 很好 producer单条发送，broker端支持同步刷盘、异步刷盘，同步双写，异步复制。 | 好 producer支持同步／异步ack。支持队列数据持久化，镜像模式中支持主从同步 | kafka也同步刷盘，但是效率较低 http://jm.taobao.org/2016/04/28/kafka-vs-rocktemq-4/ | ||
| 消息写入性能 | 非常好 每条10个字节测试：百万条/s | 很好 每条10个字节测试：单机单broker约7w/s，单机3个broker约12w/s | RAM约为RocketMQ的1/2， Disk的性能约为RAM性能的1/3 | 数据来源于网络 单条消息的数据量越小，性能对比时kafka表现越好 | kafka vs RocktMQ： https://engineering.linkedin.com/kafka/benchmarking-apache-kafka-2-million-writes-second-three-cheap-machines kafka vs RocktMQ VS RabbitMQ http://www.cnblogs.com/felixzh/p/6198070.html http://ju.outofmemory.cn/entry/177937 | |
| 性能的稳定性 | 队列/分区多时性能不稳定，明显下降。 消息堆积时性能稳定 | 队列较多、消息堆积时性能稳定 | 消息堆积时，性能不稳定、明显下降 | |||
| 单机支持的队列数 | 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 | 单机支持最高5万个队列，Load不会发生明显变化 | 依赖于内存 | 数据来源于网络测评 kafka新能降低是因为topic增多时，顺序写变成了随机写 | Kafka vs RocketMQ: Topic数量对单机性能的影响 http://jm.taobao.org/2016/04/07/kafka-vs-rocketmq-topic-amout/?utm_source=tuicool&utm_medium=referral | |
| 堆积能力 | 非常好 消息存储在log中，每个分区由一个或多个segment log文件 | 非常好 所有消息存储在同一个commit log中 | 一般 生产者、消费者正常时，性能表现稳定；消费者不消费时，性能不稳定 | http://www.cnblogs.com/purpleraintear/p/6033136.html | ||
| 复制备份 | 消息先写入leader的log，followers从leader中pull数据，pull到数据以后先ack leader，然后写入log中。 ISR中维护与leader同步的列表，落后太多的follwer会被删除掉 | 同步双写 异步复制：slave启动线程从master中拉数据 | 普通模式下不复制； 镜像模式下：消息先到mster，然后写到slave上。加入集群之前的消息不会被复制到新的slave上。 | |||
| 消息投递实时性 | 毫秒级 具体由consumer轮询间隔时间决定 | 毫秒级 支持pull、push两种模式，延时通常在毫秒级 | 毫秒级 | |||
| 功能对比 | 顺序消费 | 支持顺序消费 但是一台Broker宕机后，就会产生消息乱序(来自网上，尚未找到原因） | 支持顺序消费 在顺序消息场景下，消费失败时消费队列将会暂停 | 支持顺序消费 | ||
| 定时消息 | 不支持 | 开源版本仅支持定时Level | 不支持 | |||
| 事务消息 | 不支持 | 支持 | 不支持 | |||
| Broker端消息过滤 | 不支持 | 支持 通过tag过滤，类似于子topic | 不支持 | |||
| 消息查询 | 不支持 | 支持 根据MessageId查询 支持根据MessageKey查询消息 | 不支持 | |||
| 消费失败重试 | 不支持失败重试 offset存储在consumer中，无法保证。 0.8.2版本后支持将offset存储在zk中 | 支持失败重试 offset存储在broker中 | 支持失败重试 | |||
| 消息重新消费 | 支持通过修改offset来重新消费 | 支持按照时间来重新消息 | ||||
| 发送端负载均衡 | 可自由指定 | 可自由指定 | 需要单独loadbalancer支持 | |||
| 消费并行度 | 消费并行度和分区数一致 | 顺序消费：消费并行度和分区数一致 乱序消费：消费服务器的消费线程数之和 | 可一次抓取多条一起消费。 镜像模式下其实也是从master消费 | |||
| 消费方式 | consumer pull | consumer pull ／broker push | broker push | |||
| 批量发送 | 支持 默认producer缓存、压缩，然后批量发送 | 不支持 | 不支持 | |||
| 消息清理 | 指定文件保存时间，过期删除 | 指定文件保存时间，过期删除 | Consumer ack以后，消息将被标记为删除 可用内存少于40%（默认），触发gc，gc时找到相邻的两个文件，合并right文件到left。 | |||
| 运维 | 系统维护 | Scala语言开发，维护成本高 | java语言开发，维护成本低 | Erlang语言开发，维护成本高 | ||
| 部署依赖 | zookeeper | nameserver | Erlang环境 | |||
| 管理后台 | 官网不提供，第三方开源管理工具可供使用；不用重新开发 | 官方提供，rocketmq-console | 官方提供rabbitmqadmin | kafka管理后台比较；http://top.jobbole.com/31084/ | ||
| 管理后台功能 | Kafka Web Conslole Brokers列表；Kafka 集群中 Topic列表，及对应的Partition、LogSize等信息；Topic对应的Consumer Groups、Offset、Lag等信息； 生产和消费流量图、消息预览 KafkaOffsetMonitor： Kafka集群状态；Topic、Consumer Group列表；图形化展示topic和consumer之间的关系；图形化展示consumer的Offset、Lag等信息 Kafka Manager 管理几个不同的集群；监控集群的状态(topics, brokers, 副本分布, 分区分布)；产生分区分配(Generate partition assignments)基于集群的当前状态；重新分配分区 | Cluster、Topic、Connection、NameServ、Message、Broker、Offset、Consumer | overview、connections、channels、exchanges、queues、admin | |||
| 总结 | 优点 | 1、在高吞吐、低延迟、高可用、集群热扩展、集群容错上有非常好的表现； 2、producer端提供缓存、压缩功能，可节省性能，提高效率。 3、提供顺序消费能力 4、提供多种客户端语言 5、生态完善，在大数据处理方面有大量配套的设施。 | 1、在高吞吐、低延迟、高可用上有非常好的表现；消息堆积时，性能也很好。 2、api、系统设计都更加适在业务处理的场景。 3、支持多种消费方式。 4、支持broker消息过滤。 5、支持事务。 6、提供消息顺序消费能力；consumer可以水平扩展，消费能力很强。 7、集群规模在50台左右，单日处理消息上百亿；经历过大数据量的考验，比较稳定可靠。 | 1、在高吞吐量、高可用上较前两者有所不如。 2、支持多种客户端语言；支持amqp协议。 3、由于erlang语言的特性，性能也比较好; 使用RAM模式时，性能很好。 4、管理界面较丰富，在互联网公司也有较大规模的应用; | 数据来自网络 | |
| 缺点 | 1、消费集群数目受到分区数目的限制。 2、单机topic多时，性能会明显降低。 3、不支持事务 | 1、相比于kafka，使用者较少，生态不够完善。消息堆积、吞吐率上也有所不如。 2、不支持主从自动切换，master失效后，消费者需要一定的时间才能感知。 3、客户端只支持Java | 1、erlang 语言难度较大。集群不支持动态扩展。 2、不支持事务、消息吞吐能力有限 3、消息堆积时，性能会明显降低 |