常用MQ消息中间件Kafka、ZeroMQ和RabbitMQ对比及RabbitMQ详解

1、概述

  在现代的分布式系统和实时数据处理领域，消息中间件扮演着关键的角色，用于解决应用程序之间的通信和数据传递的挑战。在众多的消息中间件解决方案中，Kafka、ZeroMQ和RabbitMQ 是备受关注和广泛应用的代表性系统。它们各自具有独特的特点和优势，适用于不同的应用场景和需求。

  Kafka 是一个高性能、可扩展的分布式消息队列系统，被设计用于处理大规模的数据流和实时数据传输。它以其出色的吞吐量、持久性和可靠性而闻名，广泛应用于各种数据处理和事件驱动的架构中。Kafka 的设计思想注重于可扩展性和高性能，使其成为大规模数据处理和实时数据流的首选。

  ZeroMQ 是一个高性能的消息传递库，旨在提供低延迟和轻量级的消息通信。ZeroMQ 的设计目标是简化并发编程和分布式系统的开发，通过提供灵活的消息传递模式和异步通信机制，使开发人员能够轻松构建高效的通信系统。它的特点包括高性能、低延迟和可靠性，适用于需要高并发和低延迟通信的场景。

  RabbitMQ 是一个灵活的消息中间件，提供了丰富的消息路由和队列模式，以及多种协议的支持。它的设计目标是提供可靠性、灵活性和高度可定制化的消息传递解决方案。RabbitMQ 提供了多种消息传递模式，包括发布-订阅模式、消息队列模式和广播模式，可以根据需求选择适当的模式。它支持多种协议，如 AMQP、STOMP 和 MQTT，使其能够与不同的应用程序和系统进行集成。

2、Kafka、ZeroMQ、RabbitMQ比较

2.1 ZeroMQ

  ZeroMQ——【Zero】MQ：其实不是传统意义上的MQ。它只是一个用于网络编程的SDK，目标是给常见的网络通讯方式提供一个更好用的接口，在没有“broker”的情况下实现网络通讯。比如，想实现一个req/resp的机制。用常规的socket是个相当麻烦的事。从客户端要connect，按照报格式序列化数据，发数据，接收数据，关闭连接；而服务端要listen，accept，读取数据，发送数据……这还不算每个步骤的错误处理，缓冲区的管理，多路复用……。（所以普通人估计直接就上http了）。再比如fanout，fanin，master-worker……这些模式也都相当麻烦。而ZeroMQ提供了SDK可以帮助开发者快速实现这些功能。

https://zeromq.org/

ZeroMQ (also spelled ØMQ, 0MQ or ZMQ) is a high-performance asynchronous messaging library, aimed at use in distributed or 
concurrent applications. It provides a message queue, but unlike message-oriented middleware, a ZeroMQ system can run without a 
dedicated message broker.……The philosophy of ZeroMQ starts with the zero. The zero is for zero broker (ZeroMQ is brokerless), zero 
latency, zero cost (it’s free), and zero administration.

  个人认为ZeroMQ适合用来搭建一个框架，而并非被直接被业务使用。比如：ZeroMQ完全不解决消息高可用的的问题；消息落盘这种事并不在ZeroMQ的scope里。因为它和常规MQ的差异过于巨大（除了名字里带mq，和mq没有关系），从应用角度，除非是做网络编程的，不太建议进一步深入了解它。

2.2 RabbitMQ

https://www.rabbitmq.com/

  RabbitMQ代表了传统的broker为中心的MQ，其设计和信箱很像。被发送的消息经过1个或者多个broker的处理，最终进入一个消费者的信箱（queue）。消费者正确处理后，这个message就被删除了。如果存在多个不同的，彼此独立的consumer，可以设置各自独立的queue，各不影响。这里说”以broker为中心“就是着重强调”转发能力”。一个broker可以根据路由规则进行投递，可以fanout，可以根据tag做部分message的过滤。多个broker之间还可以“接力”。message还能有TTL生命周期。在复杂的企业级信息系统里实现message通讯和协作。RabbitMQ也满足多个标准，如AMQP，MQTT，STOMP等。遵守这些协议可以帮助上游在多个MQ上做迁移。

  这类MQ从使用者角度，用起来非常方便。producer只管发，consumer只管收。业务逻辑都是broker上面配置。但这种设计也带来一些根本性的问题，让他非常不适合在一些场景中使用。

• 首先是保序性。RabbitMQ（或者这类MQ）都只能保证在单broker+单consumer+不自动进入死信队列的情况下实现保证严格的顺序。但是单broker+单consumer是不可扩展的，无法实现更高的吞吐。类似于数据库Syncer之类需要严格顺序的服务就无法实现了。
• 因为存在多个queue，因此一个message可能被写入多次，存在写放大的问题。但既然支持了多个queue，就不可能不复制message。那么吞吐就会受到极大的影响。类似于日志流式处理的场景就无法支持了。
• 一个message被消费了，就会被清理。那么如果一个流处理存在bug，产生了错误的结果，就意味着无论如何都无法重新修正了。除非数据源可以把messge重新发一遍。如果MQ拓扑很复杂，这几乎就不可能。类似的，也没法做到“半夜把白天的数据用批处理重新跑一遍”之类的事情。

2.3 Kafka

https://kafka.apache.org/

  Kafka从一开始就实现了一个和传统的MQ完全不同的”MQ“。它的出现一开始就是面向大数据，高吞吐的场景。尽管Kafka里也有个“broker”。但这个broker干的事情和RabbitMQ的“根据业务逻辑转发和处理”完全不同。Kafka的broker仅仅是以理论上最快的速度来将消息写入，供consuemr读取。在磁盘上，最快的写入就是顺序写（当时HDD还大量存在，HDD的顺序写和随机写的性能差异比SSD大得多）。因此Kafka的broker就是将数据的以“Append only”的形式写入文件。（对比传统MQ一般会用某种数据库）。这个Append only file模型上实际就是个log（留意这里的log的意思并不是业务日志，是指总是追加写的数据模型）。

  kafka就实现了一个可以极大吞吐的，有顺序保证的，可以被反复消费log文件队列。而log这种数据模型，其实是很多数据系统的内部核心数据结构。比如在mysql中有binlog负责主从同步，redo log负责数据恢复；在raft中每个节点都会维护一个log做total order broadcast等等。在2010~2015年，因为大数据流式处理的兴起，Kafka成为数据分析领域无可替代的中间件（后来才有了RocketMQ和pulsar)。而对于大多数线上处理，只需要消息1跳的场景，不需要灵活配置转发规则的场景，Kafka也可以用。且吞吐高，相对的省资源，还可以省一套运维，顶多就是费点磁盘（便宜得很）。因此很多公司会选择运维几套不同的Kafka集群同时支持线上和离线业务。

2.4 优缺点对比

3、RabbitMQ详解

3.1 RabbitMQ的起源

  RabbitMQ的诞生可以追溯到电信行业。它最初是为了满足电信业务中对可靠通信的需求而开发的。作为少有的几款支持AMQP（Advanced Message Queuing Protocol，高级消息队列协议）的产品之一，RabbitMQ自推出以来就受到广泛关注和应用。AMQP协议的设计初衷是为了在不同系统之间实现可靠、高效的消息传递，而RabbitMQ作为其实现者，自然具备了这些优秀特性。

3.2 RabbitMQ的优点

• 轻量级，快速，部署使用方便

  RabbitMQ的设计非常轻量级，启动速度快，占用资源少，这使得它在各种环境下都能快速部署和运行。无论是开发环境还是生产环境，RabbitMQ的安装和配置都非常简单友好。你只需几条命令或几个点击就能启动一个RabbitMQ实例，轻松开始你的消息队列之旅。

• 支持灵活的路由配置

  在RabbitMQ中，消息的生产者和消费者之间有一个非常重要的角色——交换器（Exchange）。交换器根据预先配置的路由规则，将生产者发送的消息路由到不同的队列中。这种设计使得RabbitMQ的路由规则非常灵活，你可以根据业务需求，配置多种不同类型的交换器（如直接交换器、主题交换器、扇出交换器等），甚至可以实现自定义的路由逻辑。这种灵活性使得RabbitMQ在各种复杂的消息传递场景中都能应对自如。

• 多语言客户端支持

  RabbitMQ的另一个优点是其广泛的客户端支持。无论你是使用Java、Python、Ruby、JavaScript，还是其他编程语言，RabbitMQ都能提供相应的客户端库，使得你可以方便地将RabbitMQ集成到你的应用中。同时，由于RabbitMQ遵循AMQP协议，这也意味着你可以使用任何符合AMQP标准的客户端与之通信，这大大增加了系统集成的灵活性。

3.3 RabbitMQ的缺点

• 大量消息堆积时性能下降

  虽然RabbitMQ在大多数情况下表现优异，但当队列中堆积了大量消息时，其性能会明显下降。这是因为RabbitMQ需要在内存中维护这些消息，同时还要处理消息的持久化和消费请求。当消息量达到一定程度后，RabbitMQ的处理能力会受到影响，导致消息处理速度变慢。因此，在设计系统时，需要考虑消息的处理和清理机制，避免大量消息长期堆积在队列中。

• 每秒处理消息量有限

  如果你的应用需要每秒处理几十万甚至上百万条消息，那么RabbitMQ可能不是最优选择。虽然RabbitMQ在很多中小型场景中表现出色，但在极高性能要求的场景下，其处理能力还是有限的。在这种情况下，你可能需要考虑一些专为高吞吐量设计的消息队列产品，如Apache Kafka。

• 功能扩展和二次开发代价高

  RabbitMQ是用Erlang语言开发的，这种语言虽然在并发处理和分布式系统方面有独特的优势，但其学习曲线相对较陡。对于大多数开发者来说，使用和扩展RabbitMQ的功能可能需要一定的学习成本。此外，由于Erlang社区相对较小，相关资源和支持也比较有限，这在一定程度上增加了功能扩展和二次开发的难度。

3.4 RabbitMQ的使用场景

  RabbitMQ作为一个成熟、稳定的消息队列产品，在很多场景下都能发挥重要作用。它轻量级、快速、易于部署，支持灵活的路由配置和多种编程语言客户端，使得它在各种复杂的消息传递场景中都能应对自如。当然，在使用RabbitMQ时，我们也需要注意其在高性能和大消息量场景下的局限，合理设计系统架构，避免性能瓶颈。以下是一些RabbitMQ常见的使用场景：

• 异步处理
    在很多Web应用中，为了提升响应速度，常常需要将一些耗时操作异步处理，比如发送邮件、生成报表等。RabbitMQ可以帮助我们将这些任务放入队列，后台处理，从而提升系统的响应速度和用户体验。
• 负载均衡

  在分布式系统中，通过将任务分发到多个工作节点，可以实现负载均衡，提升系统的处理能力和可靠性。RabbitMQ通过其灵活的路由和队列机制，可以很好地实现任务的分发和负载均衡。

• 日志收集和分析

  在大数据时代，日志的收集和分析变得非常重要。通过RabbitMQ，可以将各个系统模块的日志统一收集起来，发送到日志处理和分析系统中，帮助我们实时监控和分析系统运行情况。

• 微服务通信

  在微服务架构中，各个服务之间常常需要进行大量的通信。通过RabbitMQ，可以实现可靠、灵活的服务间消息传递，提升系统的可扩展性和可靠性。