在互联网公司工作的RD们，对消息中间件最为熟悉不过了，如今随着分布式系统架构的盛行。一个高可用、高并发的消息中间件对我们来说尤为重要。在公司快速增长时期，是没有精力去研发这种基础中间件。所以如何选择就成了一个问题？这个问题也需要我们深入了解各个消息中间件的特性。我们就当前比较热门的消息中间件淘宝开源的RocketMQ和linkin开源的kafka做一个横向对比。就互联网目前应用场景划分。kafka更多的应用在日志传输上。但是对于交易、订单、充值等对消息高要求的情况下有诸多特性不满足。淘宝在借鉴kafka的原理的基础上使用java开发了RocketMQ（kafka使用scala编程）。虽然RocketMQ定位于非日志可靠消息传输，但对日志场景也是支持的。目前阿里集团也被广泛应用在订单、交易、充值、流计算，消息推送，日志流处理，binglog分发等场景。我们从系统性能、消息机制、后期维护三个大的方面总结一下。一共16个特性。

系统性能

一、 数据库可靠性

A：RocketMQ支持异步刷盘，同步刷盘，同步Replication，异步Replication

B：kafka使用异步刷盘方式，异步Replication

备注：RocketMQ的同步刷盘在单机可靠性上比Kafka更高，不会因为操作系统Crash，导致数据丢失。 同时同步Replication也比Kafka异步Replication更可靠，数据完全无单点。另外Kafka的Replication以topic为单位，支持主机宕机，备机自动切换，但是这里有个问题，由于是异步Replication，那么切换后会有数据丢失，同时Leader如果重启后，会与已经存在的Leader产生数据冲突。开源版本的RocketMQ不支持Master宕机，Slave自动切换为Master，阿里云版本的RocketMQ支持自动切换特性。

二、性能（producer生成消息的TPS）

A：Kafka单机写入TPS约在百万条/秒，消息大小10个字节

B：RocketMQ单机写入TPS单实例约7万条/秒，单机部署3个Broker，可以跑到最高12万条/秒，消息大小10个字节

备注：Kafka的TPS跑到单机百万，主要是由于Producer端将多个小消息合并，批量发向Broker。

RocketMQ为什么没有这么做？

Producer通常使用Java语言，缓存过多消息，GC是个很严重的问题

Producer调用发送消息接口，消息未发送到Broker，向业务返回成功，此时Producer宕机，会导致消息丢失，业务出错

Producer通常为分布式系统，且每台机器都是多线程发送，我们认为线上的系统单个Producer每秒产生的数据量有限，不可能上万。

缓存的功能完全可以由上层业务完成。

三、单机支持的队列数（consumer集群的支持）

Kafka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

RocketMQ单机支持最高5万个队列，Load不会发生明显变化

队列多有什么好处？

单机可以创建更多Topic，因为每个Topic都是由一批队列组成

Consumer的集群规模和队列数成正比，队列越多，Consumer集群可以越大

消息机制

四、消息推送时效性

A：Kafka使用短轮询方式，实时性取决于轮询间隔时间

B：RocketMQ使用长轮询，同Push方式实时性一致，消息的投递延时通常在几个毫秒。

五、消息失败重试机制

A：Kafka消费失败不支持重试

B：RocketMQ消费失败支持定时重试，每次重试间隔时间顺延

备注：例如充值类应用，当前时刻调用运营商网关，充值失败，可能是对方压力过多，稍后在调用就会成功，如支付宝到银行扣款也是类似需求。

这里的重试需要可靠的重试，即失败重试的消息不因为Consumer宕机导致丢失。

六、消息推送的顺序

A：Kafka支持消息顺序，但是一台Broker宕机后，就会产生消息乱序

B：RocketMQ支持严格的消息顺序，在顺序消息场景下，一台Broker宕机后，发送消息会失败，但是不会乱序

Mysql Binlog分发需要严格的消息顺序

七、消息定时推送策略

A：Kafka不支持定时消息

B：RocketMQ支持两类定时消息

开源版本RocketMQ仅支持定时Level

阿里云ONS支持定时Level，以及指定的毫秒级别的延时时间

八、分布式事务消息

A：Kafka不支持分布式事务消息

B：阿里云ONS支持分布式定时消息，未来开源版本的RocketMQ也有计划支持分布式事务消息

九、消息查询机制

A：Kafka不支持消息查询

B：RocketMQ支持根据Message Id查询消息，也支持根据消息内容查询消息（发送消息时指定一个Message Key，任意字符串，例如指定为订单Id）

备注：消息查询对于定位消息丢失问题非常有帮助，例如某个订单处理失败，是消息没收到还是收到处理出错了。

十、消息回溯

A：Kafka理论上可以按照Offset来回溯消息

B：RocketMQ支持按照时间来回溯消息，精度毫秒，例如从一天之前的某时某分某秒开始重新消费消息

备注：典型业务场景如consumer做订单分析，但是由于程序逻辑或者依赖的系统发生故障等原因，导致今天消费的消息全部无效，需要重新从昨天零点开始消费，那么以时间为起点的消息重放功能对于业务非常有帮助。

十一、消费并行度

A：Kafka的消费并行度依赖Topic配置的分区数，如分区数为10，那么最多10台机器来并行消费（每台机器只能开启一个线程），或者一台机器消费（10个线程并行消费）。即消费并行度和分区数一致。

B：RocketMQ消费并行度分两种情况

顺序消费方式并行度同Kafka完全一致

乱序方式并行度取决于Consumer的线程数，如Topic配置10个队列，10台机器消费，每台机器100个线程，那么并行度为1000。

十二、消息轨迹

A：Kafka不支持消息轨迹

B：阿里云ONS支持消息轨迹

十三、Broker端消息过滤

A：Kafka不支持Broker端的消息过滤

B：RocketMQ支持两种Broker端消息过滤方式

根据Message Tag来过滤，相当于子topic概念

向服务器上传一段Java代码，可以对消息做任意形式的过滤，甚至可以做Message Body的过滤拆分。

消息堆积能力

理论上Kafka要比RocketMQ的堆积能力更强，不过RocketMQ单机也可以支持亿级的消息堆积能力，我们认为这个堆积能力已经完全可以满足业务需求。

后期维护

十四、开源社区活跃度

A：Kafka社区更新较慢

B：RocketMQ的github社区有250个个人、公司用户登记了联系方式，QQ群超过1000人。

十五、商业支持

A：Kafka原开发团队成立新公司，目前暂没有相关产品看到

B：RocketMQ在阿里云上已经开放公测近半年，目前以云服务形式免费供大家商用，并向用户承诺99.99%的可靠性，同时彻底解决了用户自己搭建MQ产品的运维复杂性问题

十六、成熟度

A：Kafka在日志领域比较成熟

B：RocketMQ在阿里集团内部有大量的应用在使用，每天都产生海量的消息，并且顺利支持了多次天猫双十一海量消息考验，是数据削峰填谷的利器。