轉自：https://github.com/alibaba/RocketMQ/wiki/rmq_vs_kafka

淘寶內部的交易系統使用了淘寶自主研發的Notify訊息中介軟體，使用Mysql作為訊息儲存媒介，可完全水平擴容，為了進一步降低成本，我們認為儲存部分可以進一步優化，2011年初，Linkin開源了Kafka這個優秀的訊息中介軟體，淘寶中介軟體團隊在對Kafka做過充分Review之後，Kafka無限訊息堆積，高效的持久化速度吸引了我們，但是同時發現這個訊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滿足，為此我們重新用Java語言編寫了RocketMQ，定位於非日誌的可靠訊息傳輸（日誌場景也OK），目前RocketMQ在阿里集團被廣泛應用在訂單，交易，充值，流計算，訊息推送，日誌流式處理，binglog分發等場景。

為了方便大家選型，整理一份RocketMQ與Kafka的對比文件，文中如有錯誤之處，歡迎來函指正。[email protected]

資料可靠性

• RocketMQ支援非同步實時刷盤，同步刷盤，同步Replication，非同步Replication
• Kafka使用非同步刷盤方式，非同步Replication

總結：RocketMQ的同步刷盤在單機可靠性上比Kafka更高，不會因為作業系統Crash，導致資料丟失。 同時同步Replication也比Kafka非同步Replication更可靠，資料完全無單點。另外Kafka的Replication以topic為單位，支援主機宕機，備機自動切換，但是這裡有個問題，由於是非同步Replication，那麼切換後會有資料丟失，同時Leader如果重啟後，會與已經存在的Leader產生資料衝突。開源版本的RocketMQ不支援Master宕機，Slave自動切換為Master，

阿里雲版本的RocketMQ支援自動切換特性。

效能對比

• RocketMQ單機寫入TPS單例項約7萬條/秒，單機部署3個Broker，可以跑到最高12萬條/秒，訊息大小10個位元組

總結：Kafka的TPS跑到單機百萬，主要是由於Producer端將多個小訊息合併，批量發向Broker。

RocketMQ為什麼沒有這麼做？

1. Producer通常使用Java語言，快取過多訊息，GC是個很嚴重的問題
2. Producer呼叫傳送訊息介面，訊息未傳送到Broker，向業務返回成功，此時Producer宕機，會導致訊息丟失，業務出錯
3. Producer通常為分散式系統，且每臺機器都是多執行緒傳送，我們認為線上的系統單個Producer每秒產生的資料量有限，不可能上萬。
4. 快取的功能完全可以由上層業務完成。

單機支援的佇列數

• Kafka單機超過64個佇列/分割槽，Load會發生明顯的飆高現象，佇列越多，load越高，傳送訊息響應時間變長
• RocketMQ單機支援最高5萬個佇列，Load不會發生明顯變化

佇列多有什麼好處？

1. 單機可以建立更多Topic，因為每個Topic都是由一批佇列組成
2. Consumer的叢集規模和佇列數成正比，佇列越多，Consumer叢集可以越大

訊息投遞實時性

• Kafka使用短輪詢方式，實時性取決於輪詢間隔時間
• RocketMQ使用長輪詢，同Push方式實時性一致，訊息的投遞延時通常在幾個毫秒。

消費失敗重試

• Kafka消費失敗不支援重試
• RocketMQ消費失敗支援定時重試，每次重試間隔時間順延

總結：例如充值類應用，當前時刻呼叫運營商閘道器，充值失敗，可能是對方壓力過多，稍後在呼叫就會成功，如支付寶到銀行扣款也是類似需求。

這裡的重試需要可靠的重試，即失敗重試的訊息不因為Consumer宕機導致丟失。

嚴格的訊息順序

• Kafka支援訊息順序，但是一臺Broker宕機後，就會產生訊息亂序
• RocketMQ支援嚴格的訊息順序，在順序訊息場景下，一臺Broker宕機後，傳送訊息會失敗，但是不會亂序

Mysql Binlog分發需要嚴格的訊息順序

定時訊息

• Kafka不支援定時訊息
• RocketMQ支援兩類定時訊息
  • 開源版本RocketMQ僅支援定時Level
  • 阿里雲ONS支援定時Level，以及指定的毫秒級別的延時時間

分散式事務訊息

• Kafka不支援分散式事務訊息
• 阿里雲ONS支援分散式定時訊息，未來開源版本的RocketMQ也有計劃支援分散式事務訊息

訊息查詢

• Kafka不支援訊息查詢
• RocketMQ支援根據Message Id查詢訊息，也支援根據訊息內容查詢訊息（傳送訊息時指定一個Message Key，任意字串，例如指定為訂單Id）

總結：訊息查詢對於定位訊息丟失問題非常有幫助，例如某個訂單處理失敗，是訊息沒收到還是收到處理出錯了。

訊息回溯

• Kafka理論上可以按照Offset來回溯訊息
• RocketMQ支援按照時間來回溯訊息，精度毫秒，例如從一天之前的某時某分某秒開始重新消費訊息

總結：典型業務場景如consumer做訂單分析，但是由於程式邏輯或者依賴的系統發生故障等原因，導致今天消費的訊息全部無效，需要重新從昨天零點開始消費，那麼以時間為起點的訊息重放功能對於業務非常有幫助。

消費並行度

• Kafka的消費並行度依賴Topic配置的分割槽數，如分割槽數為10，那麼最多10臺機器來並行消費（每臺機器只能開啟一個執行緒），或者一臺機器消費（10個執行緒並行消費）。即消費並行度和分割槽數一致。

• RocketMQ消費並行度分兩種情況

  • 順序消費方式並行度同Kafka完全一致
  • 亂序方式並行度取決於Consumer的執行緒數，如Topic配置10個佇列，10臺機器消費，每臺機器100個執行緒，那麼並行度為1000。

訊息軌跡

• Kafka不支援訊息軌跡
• 阿里雲ONS支援訊息軌跡

開發語言友好性

• Kafka採用Scala編寫
• RocketMQ採用Java語言編寫

Broker端訊息過濾

• Kafka不支援Broker端的訊息過濾
• RocketMQ支援兩種Broker端訊息過濾方式
  • 根據Message Tag來過濾，相當於子topic概念
  • 向伺服器上傳一段Java程式碼，可以對訊息做任意形式的過濾，甚至可以做Message Body的過濾拆分。

訊息堆積能力

理論上Kafka要比RocketMQ的堆積能力更強，不過RocketMQ單機也可以支援億級的訊息堆積能力，我們認為這個堆積能力已經完全可以滿足業務需求。

開源社群活躍度

商業支援

成熟度

• Kafka在日誌領域比較成熟
• RocketMQ在阿里集團內部有大量的應用在使用，每天都產生海量的訊息，並且順利支援了多次天貓雙十一海量訊息考驗，是資料削峰填谷的利器。