• MQ选型


     

    特性

    ActiveMQ

    RabbitMQ

    RocketMQ

    Kafka

    单机吞吐量

    万级,吞吐量比RocketMQ和Kafka要低了一个数量级

    万级,吞吐量比RocketMQ和Kafka要低了一个数量级

    10万级,RocketMQ也是可以支撑高吞吐的一种MQ

    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、日志采集等场景

    topic数量对吞吐量的影响

     

     

    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

    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

    时效性

    ms级

    微秒级,这是rabbitmq的一大特点,延迟是最低的

    ms级

    延迟在ms级以内

    可用性

    高,基于主从架构实现高可用性

    高,基于主从架构实现高可用性

    非常高,分布式架构

    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

    消息可靠性

    有较低的概率丢失数据

     

    经过参数优化配置,可以做到0丢失

    经过参数优化配置,消息可以做到0丢失

    功能支持

    MQ领域的功能极其完备

    基于erlang开发,所以并发能力很强,性能极其好,延时很低

    MQ功能较为完善,还是分布式的,扩展性好

    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

    优劣势总结

    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中使用

     

    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源码级别的研究和定制?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的快速维护和修复bug。

     

    而且rabbitmq集群动态扩展会很麻烦,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。

    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,可靠性和可用性都是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规范走的有些系统要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,那如果你们公司有技术实力我觉得用RocketMQ挺好的

    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

     

  • 相关阅读:
    【微信开发之问题集锦】redirect_uri 参数错误
    调度算法之时间片轮转算法
    快速排序算法分析和实现
    单链表(c语言实现)贼详细
    调度算法之最短作业优先算法
    HDU1027
    HDU1753 (大正小数相加)
    HDU 1715 (大数相加,斐波拉契数列)
    HDU 1316 (斐波那契数列,大数相加,大数比较大小)
    HDU1047(多个大数相加)
  • 原文地址:https://www.cnblogs.com/dingpeng9055/p/11248891.html
Copyright © 2020-2023  润新知