RabbitMQ和Kafka到底怎麼選？技术頭條網

前言

開源社區有好多優秀的隊列中間件，比如RabbitMQ和Kafka，每個隊列都貌似有其特性，在進行工程選擇時，往往眼花繚亂，不知所措。對於RabbitMQ和Kafka，到底應該選哪個？

RabbitMQ架構

RabbitMQ是一個分佈式系統，這裡面有幾個抽象概念。

broker：每個節點運行的服務程序，功能為維護該節點的隊列的增刪以及轉發隊列操作請求。
master queue：每個隊列都分為一個主隊列和若干個鏡像隊列。
mirror queue：鏡像隊列，作為master queue的備份。在master queue所在節點掛掉之後，系統把mirror queue提升為master queue，負責處理客戶端隊列操作請求。注意，mirror queue只做鏡像，設計目的不是為了承擔客戶端讀寫壓力。

如上圖所示，集群中有兩個節點，每個節點上有一個broker，每個broker負責本機上隊列的維護，並且borker之間可以互相通信。集群中有兩個隊列A和B，每個隊列都分為master queue和mirror queue（備份）。那麼隊列上的生產消費怎麼實現的呢？

隊列消費

如上圖有兩個consumer消費隊列A，這兩個consumer連在了集群的不同機器上。RabbitMQ集群中的任何一個節點都擁有集群上所有隊列的元信息，所以連接到集群中的任何一個節點都可以，主要區別在於有的consumer連在master queue所在節點，有的連在非master queue節點上。

因為mirror queue要和master queue保持一致，故需要同步機制，正因為一致性的限制，導致所有的讀寫操作都必須都操作在master queue上（想想，為啥讀也要從master queue中讀？和數據庫讀寫分離是不一樣的。），然後由master節點同步操作到mirror queue所在的節點。即使consumer連接到了非master queue節點，該consumer的操作也會被路由到master queue所在的節點上，這樣才能進行消費。

隊列生產

原理和消費一樣，如果連接到非 master queue 節點，則路由過去。

所以，到這裡小夥伴們就可以看到 RabbitMQ的不足：由於master queue單節點，導致性能瓶頸，吞吐量受限。雖然為了提高性能，內部使用了Erlang這個語言實現，但是終究擺脫不了架構設計上的致命缺陷。

Kafka

說實話，Kafka我覺得就是看到了RabbitMQ這個缺陷才設計出的一個改進版，改進的點就是：把一個隊列的單一master變成多個master，即一臺機器扛不住qps，那麼我就用多臺機器扛qps，把一個隊列的流量均勻分散在多臺機器上不就可以了麼？注意，多個master之間的數據沒有交集，即一條消息要麼發送到這個master queue，要麼發送到另外一個master queue。

這裡面的每個master queue 在Kafka中叫做Partition，即一個分片。一個隊列有多個主分片，每個主分片又有若干副分片做備份，同步機制類似於RabbitMQ。

如上圖，我們省略了不同的queue，假設集群上只有一個queue（Kafka中叫Topic）。每個生產者隨機把消息發送到主分片上，之後主分片再同步給副分片。

隊列讀取的時候虛擬出一個Group的概念，一個Topic內部的消息，只會路由到同Group內的一個consumer上，同一個Group中的consumer消費的消息是不一樣的；Group之間共享一個Topic，看起來就是一個隊列的多個拷貝。

所以，為了達到多個Group共享一個Topic數據，Kafka並不會像RabbitMQ那樣消息消費完畢立馬刪除，而是必須在後臺配置保存日期，即只保存最近一段時間的消息，超過這個時間的消息就會從磁盤刪除，這樣就保證了在一個時間段內，Topic數據對所有Group可見（這個特性使得Kafka非常適合做一個公司的數據總線）。

隊列讀同樣是讀主分片，並且為了優化性能，消費者與主分片有一一的對應關係，如果消費者數目大於分片數，則存在某些消費者得不到消息。

由此可見，Kafka絕對是為了高吞吐量設計的，比如設置分片數為100，那麼就有100臺機器去扛一個Topic的流量，當然比RabbitMQ的單機性能好。