常见消息队列服务

Active    MQ

优点:

    1.Apache下的一个子项目,非常成熟,功能强大,在早些年业内大量的公司以及项目都有应用。

    2.偶尔会有较低概率丢失消息

    3.现在社区以及国内应用都越来越少,官方社区维护越来越少,几个月才发布一个版本。

        总结:    主要是基于解耦和异步来用的,较少在大规模吞吐的场景中使用。


Rabbit  MQ

        1.RabbitMQ是一个在AMQP高级消息队列协议上实现的,可以复用的企业消息系统,他可以用于大型软件系统各个模块之间的高效通信,支持多种客户端,支持AJAX,持久化,用于在分布式系统中存储转发消息,在易用性,扩展性,高可用性等方面表现不俗。

        RabbitMQ是使用Erlang编写的一个开源的消息队列,本身支持很多的协议:AMQP,XMPP,SMTP,STOMP,也正因为如何,使的他变的非常重量级,更适用于企业级的开发。

        他实现了一个Broker框架,意味着消息在发送客户端时先在中心队列排队,对路由,负载均衡或者数据持久化都有很好的支持。

        优点:

            1.基于erlang开发,所以并发能力很强,性能极其好,延时很低,高可用性

            2.单机吞吐量到万级,MQ功能比较完备。

            3.开源提供的管理界面非常棒,用起来很好用。

            4.社区相对比较活跃,几乎每个月发布几个版本。

            5.插件机制,多语言客户端。

            6.多种协议,灵活的路由

        总结:

                在国内一些互联网公司近几年RabbitMQ也比较多一些,但是问题是显而易见的,RabbitMQ确实吞吐量会低一些,这是因为他做的实现机制比较重。

                由于使用的是erlang开发,很难去看懂源码,基本职能依赖于开源社区的快速维护和修复bug,很难定制和掌控,但比kafka可靠。



RocketMQ

优点:

        1.阿里系下开源的一款分布式,队列模型的消息中间件,性能非常好,高并发,高吞吐量,分布式扩展也很方便,社区维护也还可以,可靠性和可用性都是OK的,还可以支撑大规模的topic数量,支持复杂的MQ业务场景。

        2.能够保证严格的消息顺序,提供针对消息的过滤功能。

        3.提供丰富的消息拉取模式,高效的订阅者水平扩展能力,实时的消息订阅机制

        4.接口简单易用,经过参数优化配置,消息可以做到0丢失,单机吞吐量可以达到十万级别,亿级消息堆积能力。

        5.最大优势在于,源码是java,我们可以阅读源码,定制自己公司的MQ,可以掌控。

        6.topic可以达到几百,几千个的级别,吞吐量会有小幅度的下降,可支持大量topic是一大优势,多用于交易,充值,流计算,消息推送,日志流式处理等场景。

        7.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JMS规范走的,有些系统迁移需要修改大量代码,需要由自己的维护团队。            


Kafka

优点:

        1.单机吞吐量高,达到十万级,最大的优点

        2.topci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,如果要支撑大规模的topic,需要增加更多的机器资源。

        3.可用性非常高,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,不会导致不可用。

        4.支持Hadoop数据并行加载,对于像Hadoop的一样的日志数据和离线分析系统,但又要求实时处理的限制,这是一个可行的解决方案。

        5.消息可靠性,经过参数优化配置,消息可以做到0丢失。

        6.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。



ZeroMQ

        号称最快的消息队列系统,专门为高吞吐量/低延迟的场景开发,在金融界的应用中经常使用,偏重于实时数据通信场景,ZMQ能够实现RabbitMQ不擅长的高级/复杂的队列,但是开发人员需要自己组合多种技术框架,开发成本高,而且ZeroMQ仅提供非持久性的队列,如果宕机,数据会丢失。

        特性:

            1.无所的队列模型,采用无所的队列算法CAS:在pipe的两端注册有异步时间,在读或者写消息pipe的时,会自动触发读写事件。

            2.批量处理的算法,对于批量的消息,进行了适应性的优化,可以批量的接受和发送消息。

            3.多核下的线程绑定,无需CPU切换,ZeroMQ充分利用多核的优势,每个核绑定运行一个工作者线程,避免多线程之间CPU切换开销。

            总结:

                kafka的特点很明显,就是仅仅提供较少的核心功能,但是提供超高的吞吐量,极高的可用性以及可靠性,而且分布式可以任意扩展。

                同时kafak最好支撑较少topic数量即可,保证其超高吞吐量。

                唯一的劣势是可能消息重复消费,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。

                一般的业务系统要引入MQ,最早大家都用ActiveMQ,但是现在大家用的不多了,没经过大规模吞吐量场景的验证,社区也不是很活跃。

                后来大家用的RabbitMQ,但是确实erlang语言组织了大量的java工程师深入研究和掌握它,对公司而言,几乎处于不可控的状态,但是确实人家是开源的,比较稳定的支持,活跃度也很高。

                不过现在确实越来越多的公司,会去用RocketMQ,确实很不错,但是要想好社区万一突然黄掉的风险。

                所以中小型公司,技术实力较为一般,技术挑战不是特别高,用RabbitMQ是不错的选择:大型公司,基础架构研发实力较强,用RocketMQ是很好的选择。

                如果是大数据领域的实时计算,日志采集等场景,用Kafka是业内标准的,绝对没问题,社区活跃度很高,绝对不会黄,何况几乎是全世界这个领域的事实性规范。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,591评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,448评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,823评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,204评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,228评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,190评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,078评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,923评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,334评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,550评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,727评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,428评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,022评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,672评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,826评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,734评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,619评论 2 354

推荐阅读更多精彩内容