RocketMQ与Kafka对比（18项差异）评价版

此文是rocketmq作者vintage.wang所写，对于每项对比，后面都增加了我的观点，有不对的地方，请各位指出。

淘宝内部的交易系统使用了淘宝自主研发的Notify消息中间件，使用Mysql作为消息存储媒介，可完全水平扩容，为了进一步降低成本，我们认为存储部分可以进一步优化，2011年初，Linkin开源了Kafka这个优秀的消息中间件，淘宝中间件团队在对Kafka做过充分Review之后，Kafka无限消息堆积，高效的持久化速度吸引了我们，但是同时发现这个消息系统主要定位于日志传输，对于使用在淘宝交易、订单、充值等场景下还有诸多特性不满足，为此我们重新用Java语言编写了RocketMQ，定位于非日志的可靠消息传输（日志场景也OK），目前RocketMQ在阿里集团被广泛应用在订单，交易，充值，流计算，消息推送，日志流式处理，binglog分发等场景。

为了方便大家选型，整理一份RocketMQ与Kafka的对比文档，文中如有错误之处，欢迎来函指正。vintage.wang@gmail.com

数据可靠性

· RocketMQ支持异步实时刷盘，同步刷盘，同步Replication，异步Replication

· Kafka使用异步刷盘方式，异步Replication

王启军评：这个地方描述有问题，kafka无法设置同步刷盘，但是可以设置同步Replication，使用request.required.acks=-1，所有的replicas 接收才返回ack。

总结：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。

王启军评：首先明确第一个问题，就算异步刷盘，当broker挂掉时，数据是不会丢失的，只有系统crash才会造成丢失，前面指出，虽然kafka是异步落盘，但是在集群模式下，可以设置同步replication，如果是同步replication，复制因子为N，允许N-1个服务所在的系统crash，而不会丢失数据，也就不存在切换后的问题。

性能对比

· Kafka单机写入TPS约在百万条/秒，消息大小10个字节

· 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

总结：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。

王启军评：这个地方kafka也是可以设置是否进行批量发送的。

RocketMQ为什么没有这么做？

1. Producer通常使用Java语言，缓存过多消息，GC是个很严重的问题

2. 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

3. 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。

4. 缓存的功能完全可以由上层业务完成。

单机支持的队列数

· 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？

1. 单机可以创建更多Topic，因为每个Topic都是由一批队列组成

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

消息投递实时性

· Kafka使用短轮询方式，实时性取决于轮询间隔时间

· 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。

王启军评：0.8版本已经有长轮询实现了

消费失败重试

· Kafka消费失败不支持重试

· RocketMQ消费失败支持定时重试，每次重试间隔时间顺延

王启军评：kafka也支持，可以通过下面两个参数设置

message.send.max.retries=100

retry.backoff.ms=5000

不过这个重试时间是固定的，通常希望有个倍数。消息不丢失主要依赖ack机制，但是可能会造成重复，这个消息中间件通常希望通过业务来解决，最简单的办法，表中设置一个唯一键，或者写业务数据的同时，增加一张日志表，保证唯一。

总结：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。

严格的消息顺序

· Kafka支持消息顺序，但是一台Broker宕机后，就会产生消息乱序

· 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

王启军评：不知道这个问题从何而来，不知道具体场景。

Mysql Binlog分发需要严格的消息顺序

定时消息

· Kafka不支持定时消息

· RocketMQ支持两类定时消息

o 开源版本RocketMQ仅支持定时Level

o 阿里云ONS支持定时Level，以及指定的毫秒级别的延时时间

王启军评：此功能还是非常有用的，但是不知道支持的数据数量级有没有限制

分布式事务消息

· Kafka不支持分布式事务消息

· 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

王启军评：虽然kafka不支持分布式事务，但是大多互联网应用采用分布式事务的很少，主要是因为：1、缺乏大规模应用的成功案例

2、死锁风险，特别是在大并发量下，现在大多是以客户端作为协调者，而客户端通常部署在虚拟机或者docker这种容器中，一旦挂掉，数据库只能等客户端恢复解锁。

一般使用rocketmq或者kafka的对并发量要求都比较高，使用分布式事务是一个需要考虑的问题。

Kafka有两个等级的api，大多使用highLevel的，还有一个simple Api，可以自己控制offset的存储，这样就可以变向实现分布式事务了。

消息查询

· Kafka不支持消息查询

· 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）

总结：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。

王启军评：此功能非常棒，比较实用。

消息回溯

· Kafka理论上可以按照Offset来回溯消息

· 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

总结：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。

消费并行度

· 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。

· RocketMQ消费并行度分两种情况

o 顺序消费方式并行度同Kafka完全一致

o 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。

王启军评：这个需要根据具体的业务场景，通常情况下，mq的处理能力已经足够快，瓶颈通常在业务处理上。

消息轨迹

· Kafka不支持消息轨迹

· 阿里云ONS支持消息轨迹

开发语言友好性

· Kafka采用Scala编写

· RocketMQ采用Java语言编写

Broker端消息过滤

· Kafka不支持Broker端的消息过滤

· RocketMQ支持两种Broker端消息过滤方式

o 根据Message Tag来过滤，相当于子topic概念

o 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。

王启军评：这个功能非常好，实用。

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。

开源社区活跃度

· Kafka社区更新较慢

· 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。

商业支持

· Kafka原开发团队成立新公司，目前暂没有相关产品看到

· 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

成熟度

· Kafka在日志领域比较成熟

· 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。

王启军评：kafka的确是在日志领域应用比较广泛的，新版本逐步开始完善，可靠性方面有了很大提升，但是rocketmq一开始就是以电商为背景的，所以很多功能值得肯定，从长期来看，如果公司有能力的话，应该以rocketmq为基础，在上面投入人力进行扩展研发。短期看rocketmq有待完善，客户端不够全，只有java，文档偏少，配置不友好。两个mq都非常优秀，无论选择哪个都非常不错，可以根据自身实力和业务场景灵活取舍。使用开源，如果要想不出错，研究源码非常必要。

更多文章，欢迎微信关注奔跑中的蜗牛，