本文介绍: Kafkakafka的特点其实很明显,就是仅仅提供较少的核心功能,但是提供超高的吞吐量ms级的延迟,极高的可用性以及可靠性,而且分布式可以任意扩展,同时kafka最好是支撑较少的topic数量即可,保证其超高吞吐量而且kafka唯一的一点劣势是有可能消息重复消费,那么对数据准确性会造成极其轻微的影响,在大数据领域中以及日志集中,这点轻微影响可以忽略这个特性天然适合大数据实时计算以及日志收集。Kafka:非常高,kafka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

5cdd9797bbdd4c1a9e23e3323e47de3f.gif一.单机吞吐量

 

ActiveMQ:万级,吞吐量比RocketMQ和Kafka要低了一个数量级

RabbitMQ:万级,吞吐量比RocketMQ和Kafka要低了一个数量级

RocketMQ:10万级,RocketMQ也是可以支撑高吞吐的一种MQ

Kafka:10万级别,这是kafka最大的优点,就是吞吐量高。一般配合大数据类的系统来进行实时数据计算日志采集场景

 

 

二.topic数量对吞吐量的影响

RocketMQ:topic可以达到几百,几千个的级别,吞吐量会有较小幅度的下降,这是RocketMQ的一大优势,在同等机器下,可以支撑大量的topic

Kafka:topic从几十个到几百个的时候,吞吐量会大幅度下降,所以在同等机器下,kafka尽量保证topic数量不要过多。如果要支撑大规模topic需要增加更多的机器资源

 

 

三.时效性

ActiveMQ:ms

RabbitMQ:微秒级,这是rabbitmq的一大特点,延迟是最低的

RocketMQ:ms

Kafka:延迟ms级以内

 

 

四.可用性

ActiveMQ:高,基于主从架构实现高可用性

RabbitMQ:高,基于主从架构实现高可用性

RocketMQ:非常高,分布式架构

Kafka: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

 

 

 

五.消息可靠性

 

ActiveMQ:有较低的概率丢失数据

RocketMQ:经过参数优化配置,可以做到0丢失

Kafka:经过参数优化配置,消息可以做到0丢失

 

 

 

六、功能支持

 

ActiveMQ:MQ领域功能极其完备

RabbitMQ:基于erlang开发,所以并发能力很强,性能极其好,延时很低

RocketMQ:MQ功能较为完善,还是分布式的,扩展性

Kafka: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,是事实上的标准

 

 

七.优劣势总结

 

ActiveMQ:非常成熟,功能强大,在业内大量的公司以及项目中都有应用,偶尔会有较低概率丢失消息,而且现在社区以及国内应用都越来越少,官方社区现在对ActiveMQ 5.x维护越来越少,几个月才发布一个版本,而且确实主要是基于解耦和异步来用的,较少在大规模吞吐的场景使用

 

RabbitMQ:erlang语言开发性能极其好,延时很低;吞吐量到万级,MQ功能比较完备,而且开源提供的管理界面非常棒,用起来很好用社区相对比较活跃,几乎每个月都发布几个版本分在国内一些互联网公司近几年用rabbitmq也比较多一些,但是问题也是显而易见的,RabbitMQ确实吞吐量会低一些,这是因为他做的实现机制比较重。而且erlang开发国内有几个公司有实力做erlang源码别的研究定制?如果说你没这个实力的话,确实偶尔会有一些问题,你很难去看懂源码,你公司对这个东西的掌控很弱,基本职能依赖于开源社区快速维护修复bug。而且rabbitmq集群动态展会很麻烦,不过这个我觉得还好。其实主要是erlang语言本身带来的问题。很难读源码,很难定制和掌控。

 

RocketMQ:接口简单易用,而且毕竟在阿里大规模应用过,有阿里品牌保障,日处理消息上百亿之多,可以做到大规模吞吐,性能也非常好,分布式扩展也很方便,社区维护还可以,可靠性可用性都是ok的,还可以支撑大规模的topic数量,支持复杂MQ业务场景,而且一个很大的优势在于,阿里出品都是java系的,我们可以自己阅读源码,定制自己公司的MQ,可以掌控,社区活跃度相对较为一般,不过也还可以,文档相对来说简单一些,然后接口这块不是按照标准JMS规范走的有些系统迁移需要修改大量代码,还有就是阿里出台的技术,你得做好这个技术万一被抛弃,社区黄掉的风险,那如果你们公司技术实力我觉得用RocketMQ挺好的

 

Kafka:kafka的特点其实很明显,就是仅仅提供较少的核心功能,但是提供超高的吞吐量,ms级的延迟,极高的可用性以及可靠性,而且分布式可以任意扩展,同时kafka最好是支撑较少的topic数量即可,保证其超高吞吐量而且kafka唯一的一点劣势是有可能消息重复消费,那么对数据准确性会造成极其轻微的影响,在大数据领域中以及日志采集中,这点轻微影响可以忽略这个特性天然适合大数据实时计算以及日志收集

原文地址:https://blog.csdn.net/weixin_57763462/article/details/134818900

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任

如若转载,请注明出处:http://www.7code.cn/show_49344.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注