選型必看：RabbitMQ七戰(zhàn)Kafka，差異立現(xiàn)

不同的場景需要不同的解決方案，選錯一個方案能夠嚴重的影響你對軟件的設(shè)計，開發(fā)和維護的能力。

本文先介紹RabbitMQ和Apache Kafka內(nèi)部實現(xiàn)的相關(guān)概念。接著會主要介紹這兩種技術(shù)的主要不同點以及它們各自的優(yōu)缺點，最后會說明一下怎樣選擇這兩種技術(shù)。

異步消息可以作為解耦消息的生產(chǎn)和處理的一種解決方案。提到消息系統(tǒng)，我們通常會想到兩種主要的消息模式——消息隊列和發(fā)布/訂閱模式。

利用消息隊列可以解耦生產(chǎn)者和消費者。多個生產(chǎn)者可以向同一個消息隊列發(fā)送消息；但是，一個消息在被一個消息者處理的時候，這個消息在隊列上會被鎖住或者被移除并且其他消費者無法處理該消息。也就是說一個具體的消息只能由一個消費者消費。

消息隊列

需要額外注意的是，如果消費者處理一個消息失敗了，消息系統(tǒng)一般會把這個消息放回隊列，這樣其他消費者可以繼續(xù)處理。消息隊列除了提供解耦功能之外，它還能夠?qū)ιa(chǎn)者和消費者進行獨立的伸縮（scale），以及提供對錯誤處理的容錯能力。

發(fā)布/訂閱（pub/sub）模式中，單個消息可以被多個訂閱者并發(fā)的獲取和處理。

發(fā)布/訂閱

例如，一個系統(tǒng)中產(chǎn)生的事件可以通過這種模式讓發(fā)布者通知所有訂閱者。在許多隊列系統(tǒng)中常常用主題（topics）這個術(shù)語指代發(fā)布/訂閱模式。在RabbitMQ中，主題就是發(fā)布/訂閱模式的一種具體實現(xiàn)（更準確點說是交換器（exchange）的一種），但是在這篇文章中，我會把主題和發(fā)布/訂閱當做等價來看待。

一般來說，訂閱有兩種類型：

1）臨時（ephemeral）訂閱，這種訂閱只有在消費者啟動并且運行的時候才存在。一旦消費者退出，相應(yīng)的訂閱以及尚未處理的消息就會丟失。

2）持久（durable）訂閱，這種訂閱會一直存在，除非主動去刪除。消費者退出后，消息系統(tǒng)會繼續(xù)維護該訂閱，并且后續(xù)消息可以被繼續(xù)處理。

RabbitMQ作為消息中間件的一種實現(xiàn)，常常被當作一種服務(wù)總線來使用。RabbitMQ原生就支持上面提到的兩種消息模式。其他一些流行的消息中間件的實現(xiàn)有ActiveMQ，ZeroMQ，Azure Service Bus以及Amazon Simple Queue Service（SQS）。這些消息中間件的實現(xiàn)有許多共通的地方，這邊文章中提到的許多概念大部分都適用于這些中間件。

RabbitMQ支持典型的開箱即用的消息隊列。開發(fā)者可以定義一個命名隊列，然后發(fā)布者可以向這個命名隊列中發(fā)送消息。最后消費者可以通過這個命名隊列獲取待處理的消息。

RabbitMQ使用消息交換器來實現(xiàn)發(fā)布/訂閱模式。發(fā)布者可以把消息發(fā)布到消息交換器上而不用知道這些消息都有哪些訂閱者。

每一個訂閱了交換器的消費者都會創(chuàng)建一個隊列；然后消息交換器會把生產(chǎn)的消息放入隊列以供消費者消費。消息交換器也可以基于各種路由規(guī)則為一些訂閱者過濾消息。

RabbitMQ消息交換器

需要重點注意的是RabbitMQ支持臨時和持久兩種訂閱類型。消費者可以調(diào)用RabbitMQ的API來選擇他們想要的訂閱類型。

根據(jù)RabbitMQ的架構(gòu)設(shè)計，我們也可以創(chuàng)建一種混合方法——訂閱者以組隊的方式然后在組內(nèi)以競爭關(guān)系作為消費者去處理某個具體隊列上的消息，這種由訂閱者構(gòu)成的組我們稱為消費者組。按照這種方式，我們實現(xiàn)了發(fā)布/訂閱模式，同時也能夠很好的伸縮（scale-up）訂閱者去處理收到的消息。

發(fā)布/訂閱與隊列的聯(lián)合使用

Apache Kafka不是消息中間件的一種實現(xiàn)。相反，它只是一種分布式流式系統(tǒng)。

不同于基于隊列和交換器的RabbitMQ，Kafka的存儲層是使用分區(qū)事務(wù)日志來實現(xiàn)的。Kafka也提供流式API用于實時的流處理以及連接器API用來更容易的和各種數(shù)據(jù)源集成；當然，這些已經(jīng)超出了本篇文章的討論范圍。

云廠商為Kafka存儲層提供了可選的方案，比如Azure Event Hubsy以及AWS Kinesis Data Streams等。對于Kafka流式處理能力，還有一些特定的云方案和開源方案，不過，話說回來，它們也超出了本篇的范圍。

Kafka沒有實現(xiàn)隊列這種東西。相應(yīng)的，Kafka按照類別存儲記錄集，并且把這種類別稱為主題。

Kafka為每個主題維護一個消息分區(qū)日志。每個分區(qū)都是由有序的不可變的記錄序列組成，并且消息都是連續(xù)的被追加在尾部。

當消息到達時，Kafka就會把他們追加到分區(qū)尾部。默認情況下，Kafka使用輪詢分區(qū)器（partitioner）把消息一致的分配到多個分區(qū)上。

Kafka可以改變創(chuàng)建消息邏輯流的行為。例如，在一個多租戶的應(yīng)用中，我們可以根據(jù)每個消息中的租戶ID創(chuàng)建消息流。IoT場景中，我們可以在常數(shù)級別下根據(jù)生產(chǎn)者的身份信息（identity）將其映射到一個具體的分區(qū)上。確保來自相同邏輯流上的消息映射到相同分區(qū)上，這就保證了消息能夠按照順序提供給消費者。

Kafka生產(chǎn)者

消費者通過維護分區(qū)的偏移（或者說索引）來順序的讀出消息，然后消費消息。

單個消費者可以消費多個不同的主題，并且消費者的數(shù)量可以伸縮到可獲取的最大分區(qū)數(shù)量。

所以在創(chuàng)建主題的時候，我們要認真的考慮一下在創(chuàng)建的主題上預(yù)期的消息吞吐量。消費同一個主題的多個消費者構(gòu)成的組稱為消費者組。通過Kafka提供的API可以處理同一消費者組中多個消費者之間的分區(qū)平衡以及消費者當前分區(qū)偏移的存儲。

Kafka消費者

Kafka的實現(xiàn)很好地契合發(fā)布/訂閱模式。

生產(chǎn)者可以向一個具體的主題發(fā)送消息，然后多個消費者組可以消費相同的消息。每一個消費者組都可以獨立的伸縮去處理相應(yīng)的負載。由于消費者維護自己的分區(qū)偏移，所以他們可以選擇持久訂閱或者臨時訂閱，持久訂閱在重啟之后不會丟失偏移而臨時訂閱在重啟之后會丟失偏移并且每次重啟之后都會從分區(qū)中最新的記錄開始讀取。

但是這種實現(xiàn)方案不能完全等價的當做典型的消息隊列模式看待。當然，我們可以創(chuàng)建一個主題，這個主題和擁有一個消費者的消費組進行關(guān)聯(lián)，這樣我們就模擬出了一個典型的消息隊列。不過這會有許多缺點，我們會在第二部分詳細討論。

值得特別注意的是，Kafka是按照預(yù)先配置好的時間保留分區(qū)中的消息，而不是根據(jù)消費者是否消費了這些消息。這種保留機制可以讓消費者自由的重讀之前的消息。另外，開發(fā)者也可以利用Kafka的存儲層來實現(xiàn)諸如事件溯源和日志審計功能。

作為解決方案架構(gòu)師，我們要能夠認識到它們之間的差異并且盡可能的考慮在給定場景中使用哪種類型的解決方案。下面會指出這些差異并且提供什么時候使用哪種方案的指導(dǎo)建議。

RabbitMQ是一個消息代理，但是Apache Kafka是一個分布式流式系統(tǒng)。好像從語義上就可以看出差異，但是它們內(nèi)部的一些特性會影響到我們是否能夠很好的設(shè)計各種用例。

例如，Kafka最適用于數(shù)據(jù)的流式處理，但是RabbitMQ對流式中的消息就很難保持它們的順序。

另一方面，RabbitMQ內(nèi)置重試邏輯和死信（dead-letter）交換器，但是Kafka只是把這些實現(xiàn)邏輯交給用戶來處理。

這部分主要強調(diào)在不同系統(tǒng)之間它們的主要差異。

對于發(fā)送到隊列或者交換器上的消息，RabbitMQ不保證它們的順序。盡管消費者按照順序處理生產(chǎn)者發(fā)來的消息看上去很符合邏輯，但是這有很大誤導(dǎo)性。

RabbitMQ文檔中有關(guān)于消息順序保證的說明：

換話句話說，只要我們是單個消費者，那么接收到的消息就是有序的。然而，一旦有多個消費者從同一個隊列中讀取消息，那么消息的處理順序就沒法保證了。

由于消費者讀取消息之后可能會把消息放回（或者重傳）到隊列中（例如，處理失敗的情況），這樣就會導(dǎo)致消息的順序無法保證。

一旦一個消息被重新放回隊列，另一個消費者可以繼續(xù)處理它，即使這個消費者已經(jīng)處理到了放回消息之后的消息。因此，消費者組處理消息是無序的，如下表所示：

使用RabbitMQ丟失消息順序的例子

當然，我們可以通過限制消費者的并發(fā)數(shù)等于1來保證RabbitMQ中的消息有序性。更準確點說，限制單個消費者中的線程數(shù)為1，因為任何的并行消息處理都會導(dǎo)致無序問題。

不過，隨著系統(tǒng)規(guī)模增長，單線程消費者模式會嚴重影響消息處理能力。所以，我們不要輕易的選擇這種方案。

另一方面，對于Kafka來說，它在消息處理方面提供了可靠的順序保證。Kafka能夠保證發(fā)送到相同主題分區(qū)的所有消息都能夠按照順序處理。

在前面說過，默認情況下，Kafka會使用循環(huán)分區(qū)器（round-robin partitioner）把消息放到相應(yīng)的分區(qū)上。不過，生產(chǎn)者可以給每個消息設(shè)置分區(qū)鍵（key）來創(chuàng)建數(shù)據(jù)邏輯流（比如來自同一個設(shè)備的消息，或者屬于同一租戶的消息）。

所有來自相同流的消息都會被放到相同的分區(qū)中，這樣消費者組就可以按照順序處理它們。

但是，我們也應(yīng)該注意到，在同一個消費者組中，每個分區(qū)都是由一個消費者的一個線程來處理。結(jié)果就是我們沒法伸縮（scale）單個分區(qū)的處理能力。

不過，在Kafka中，我們可以伸縮一個主題中的分區(qū)數(shù)量，這樣可以讓每個分區(qū)分擔更少的消息，然后增加更多的消費者來處理額外的分區(qū)。

獲勝者（Winner）：

顯而易見，Kafka是獲勝者，因為它可以保證按順序處理消息。RabbitMQ在這塊就相對比較弱。

RabbitMQ可以基于定義的訂閱者路由規(guī)則路由消息給一個消息交換器上的訂閱者。一個主題交換器可以通過一個叫做routing_key的特定頭來路由消息。

或者，一個頭部（headers）交換器可以基于任意的消息頭來路由消息。這兩種交換器都能夠有效地讓消費者設(shè)置他們感興趣的消息類型，因此可以給解決方案架構(gòu)師提供很好的靈活性。

另一方面，Kafka在處理消息之前是不允許消費者過濾一個主題中的消息。一個訂閱的消費者在沒有異常情況下會接受一個分區(qū)中的所有消息。

作為一個開發(fā)者，你可能使用Kafka流式作業(yè)（job），它會從主題中讀取消息，然后過濾，最后再把過濾的消息推送到另一個消費者可以訂閱的主題。但是，這需要更多的工作量和維護，并且還涉及到更多的移動操作。

獲勝者：

在消息路由和過濾方面，RabbitMQ提供了更好的支持。

在測定發(fā)送到一個隊列的消息時間方面，RabbitMQ提供了多種能力：

1）消息存活時間（TTL）

發(fā)送到RabbitMQ的每條消息都可以關(guān)聯(lián)一個TTL屬性。發(fā)布者可以直接設(shè)置TTL或者根據(jù)隊列的策略來設(shè)置。

系統(tǒng)可以根據(jù)設(shè)置的TTL來限制消息的有效期。如果消費者在預(yù)期時間內(nèi)沒有處理該消息，那么這條消息會自動的從隊列上被移除（并且會被移到死信交換器上，同時在這之后的消息都會這樣處理）。

TTL對于那些有時效性的命令特別有用，因為一段時間內(nèi)沒有處理的話，這些命令就沒有什么意義了。

2）延遲/預(yù)定的消息

RabbitMQ可以通過插件的方式來支持延遲或者預(yù)定的消息。當這個插件在消息交換器上啟用的時候，生產(chǎn)者可以發(fā)送消息到RabbitMQ上，然后這個生產(chǎn)者可以延遲RabbitMQ路由這個消息到消費者隊列的時間。

這個功能允許開發(fā)者調(diào)度將來（future）的命令，也就是在那之前不應(yīng)該被處理的命令。例如，當生產(chǎn)者遇到限流規(guī)則時，我們可能會把這些特定的命令延遲到之后的一個時間執(zhí)行。

Kafka沒有提供這些功能。它在消息到達的時候就把它們寫入分區(qū)中，這樣消費者就可以立即獲取到消息去處理。

Kafka也沒用為消息提供TTL的機制，不過我們可以在應(yīng)用層實現(xiàn)。

不過，我們必須要記住的一點是Kafka分區(qū)是一種追加模式的事務(wù)日志。所以，它是不能處理消息時間（或者分區(qū)中的位置）。

獲勝者：

毫無疑問，RabbitMQ是獲勝者，因為這種實現(xiàn)天然的就限制Kafka。

當消費者成功消費消息之后，RabbitMQ就會把對應(yīng)的消息從存儲中刪除。這種行為沒法修改。它幾乎是所有消息代理設(shè)計的必備部分。

相反，Kafka會給每個主題配置超時時間，只要沒有達到超時時間的消息都會保留下來。在消息留存方面，Kafka僅僅把它當做消息日志來看待，并不關(guān)心消費者的消費狀態(tài)。

消費者可以不限次數(shù)的消費每條消息，并且他們可以操作分區(qū)偏移來“及時”往返的處理這些消息。Kafka會周期的檢查分區(qū)中消息的留存時間，一旦消息超過設(shè)定保留的時長，就會被刪除。

Kafka的性能不依賴于存儲大小。所以，理論上，它存儲消息幾乎不會影響性能（只要你的節(jié)點有足夠多的空間保存這些分區(qū)）。

獲勝者：

Kafka設(shè)計之初就是保存消息的，但是RabbitMQ并不是。所以這塊沒有可比性，Kafka是獲勝者。

當處理消息，隊列和事件時，開發(fā)者常常認為消息處理總是成功的。畢竟，生產(chǎn)者把每條消息放入隊列或者主題后，即使消費者處理消息失敗了，它僅僅需要做的就是重新嘗試，直到成功為止。

盡管表面上看這種方法是沒錯的，但是我們應(yīng)該對這種處理方式多思考一下。首先我們應(yīng)該承認，在某些場景下，消息處理會失敗。所以，即使在解決方案部分需要人為干預(yù)的情況下，我們也要妥善地處理這些情況。

消息處理存在兩種可能的故障：

1）瞬時故障——故障產(chǎn)生是由于臨時問題導(dǎo)致，比如網(wǎng)絡(luò)連接，CPU負載，或者服務(wù)崩潰。我們可以通過一遍又一遍的嘗試來減輕這種故障。

2）持久故障——故障產(chǎn)生是由于永久的問題導(dǎo)致的，并且這種問題不能通過額外的重試來解決。比如常見的原因有軟件bug或者無效的消息格式（例如，損壞（poison）的消息）。

作為架構(gòu)師和開發(fā)者，我們應(yīng)該問問自己：“對于消息處理故障，我們應(yīng)該重試多少次？每一次重試之間我們應(yīng)該等多久？我們怎樣區(qū)分瞬時和持久故障？”

最重要的是：“所有重試都失敗后或者遇到一個持久的故障，我們要做什么？”

當然，不同業(yè)務(wù)領(lǐng)域有不同的回答，消息系統(tǒng)一般會給我們提供工具讓我們自己實現(xiàn)解決方案。

RabbitMQ會給我們提供諸如交付重試和死信交換器（DLX）來處理消息處理故障。

DLX的主要思路是根據(jù)合適的配置信息自動地把路由失敗的消息發(fā)送到DLX，并且在交換器上根據(jù)規(guī)則來進一步的處理，比如異常重試，重試計數(shù)以及發(fā)送到“人為干預(yù)”的隊列。

查看下面篇文章，它在RabbitMQ處理重試上提供了額外的可能模式視角。

鏈接：https://engineering.nanit.com/rabbitmq-retries-the-full-story-ca4cc6c5b493

在RabbitMQ中我們需要記住最重要的事情是當一個消費者正在處理或者重試某個消息時（即使是在把它返回隊列之前），其他消費者都可以并發(fā)的處理這個消息之后的其他消息。

當某個消費者在重試處理某條消息時，作為一個整體的消息處理邏輯不會被阻塞。所以，一個消費者可以同步地去重試處理一條消息，不管花費多長時間都不會影響整個系統(tǒng)的運行。

消費者1持續(xù)的在重試處理消息1，同時其他消費者可以繼續(xù)處理其他消息

和RabbitMQ相反，Kafka沒有提供這種開箱即用的機制。在Kafka中，需要我們自己在應(yīng)用層提供和實現(xiàn)消息重試機制。

另外，我們需要注意的是當一個消費者正在同步地處理一個特定的消息時，那么同在這個分區(qū)上的其他消息是沒法被處理的。

由于消費者不能改變消息的順序，所以我們不能夠拒絕和重試一個特定的消息以及提交一個在這個消息之后的消息。你只要記住，分區(qū)僅僅是一個追加模式的日志。

一個應(yīng)用層解決方案可以把失敗的消息提交到一個“重試主題”，并且從那個主題中處理重試；但是這樣的話我們就會丟失消息的順序。

我們可以在Uber.com上找到Uber工程師實現(xiàn)的一個例子。如果消息處理的時延不是關(guān)注點，那么對錯誤有足夠監(jiān)控的Kafka方案可能就足夠了。

如果消費者阻塞在重試一個消息上，那么底部分區(qū)的消息就不會被處理

獲勝者：

RabbitMQ是獲勝者，因為它提供了一個解決這個問題的開箱即用的機制。

有多個基準測試，用于檢查RabbitMQ和Kafka的性能。

盡管通用的基準測試對一些特定的情況會有限制，但是Kafka通常被認為比RabbitMQ有更優(yōu)越的性能。

Kafka使用順序磁盤I / O來提高性能。

從Kafka使用分區(qū)的架構(gòu)上看，它在橫向擴展上會優(yōu)于RabbitMQ，當然RabbitMQ在縱向擴展上會有更多的優(yōu)勢。

Kafka的大規(guī)模部署通常每秒可以處理數(shù)十萬條消息，甚至每秒百萬級別的消息。

過去，Pivotal記錄了一個Kafka集群每秒處理一百萬條消息的例子；但是，它是在一個有著30個節(jié)點集群上做的，并且這些消息負載被優(yōu)化分散到多個隊列和交換器上。

鏈接：https://content.pivotal.io/blog/rabbitmq-hits-one-million-messages-per-second-on-google-compute-engine

典型的RabbitMQ部署包含3到7個節(jié)點的集群，并且這些集群也不需要把負載分散到不同的隊列上。這些典型的集群通常可以預(yù)期每秒處理幾萬條消息。

獲勝者：

盡管這兩個消息平臺都可以處理大規(guī)模負載，但是Kafka在伸縮方面更優(yōu)并且能夠獲得比RabbitMQ更高的吞吐量，因此這局Kafka獲勝。

但是，值得注意的是大部分系統(tǒng)都還沒有達到這些極限！所以，除非你正在構(gòu)建下一個非常受歡迎的百萬級用戶軟件系統(tǒng)，否則你不需要太關(guān)心伸縮性問題，畢竟這兩個消息平臺都可以工作的很好。

RabbitMQ使用的是智能代理和傻瓜式消費者模式。消費者注冊到消費者隊列，然后RabbitMQ把傳進來的消息推送給消費者。RabbitMQ也有拉取（pull）API；不過，一般很少被使用。

RabbitMQ管理消息的分發(fā)以及隊列上消息的移除（也可能轉(zhuǎn)移到DLX）。消費者不需要考慮這塊。

根據(jù)RabbitMQ結(jié)構(gòu)的設(shè)計，當負載增加的時候，一個隊列上的消費者組可以有效的從僅僅一個消費者擴展到多個消費者，并且不需要對系統(tǒng)做任何的改變。

RabbitMQ高效的伸縮

相反，Kafka使用的是傻瓜式代理和智能消費者模式。消費者組中的消費者需要協(xié)調(diào)他們之間的主題分區(qū)租約（以便一個具體的分區(qū)只由消費者組中一個消費者監(jiān)聽）。

消費者也需要去管理和存儲他們分區(qū)偏移索引。幸運的是Kafka SDK已經(jīng)為我們封裝了，所以我們不需要自己管理。

另外，當我們有一個低負載時，單個消費者需要處理并且并行的管理多個分區(qū)，這在消費者端會消耗更多的資源。

當然，隨著負載增加，我們只需要伸縮消費者組使其消費者的數(shù)量等于主題中分區(qū)的數(shù)量。這就需要我們配置Kafka增加額外的分區(qū)。

但是，隨著負載再次降低，我們不能移除我們之前增加的分區(qū)，這需要給消費者增加更多的工作量。盡管這樣，但是正如我們上面提到過，Kafka SDK已經(jīng)幫我們做了這個額外的工作。

Kafka分區(qū)沒法移除，向下伸縮后消費者會做更多的工作

獲勝者：

根據(jù)設(shè)計，RabbitMQ就是為了傻瓜式消費者而構(gòu)建的。所以這輪RabbitMQ獲勝。

現(xiàn)在我們就如面對百萬美元問題一樣：“什么時候使用RabbitMQ以及什么時候使用Kafka？”概括上面的差異，我們不難得出下面的結(jié)論。

優(yōu)先選擇RabbitMQ的條件：

優(yōu)先選擇Kafka的條件：

大部分情況下這兩個消息平臺都可以滿足我們的要求。但是，它取決于我們的架構(gòu)師，他們會選擇最合適的工具。當做決策的時候，我們需要考慮上面著重強調(diào)的功能性差異和非功能性限制。

這些限制如下：

當開發(fā)復(fù)雜的軟件系統(tǒng)時，我們可能被誘導(dǎo)使用同一個消息平臺去實現(xiàn)所有必須的消息用例。但是，從我的經(jīng)驗看，通常同時使用這兩個消息平臺能夠帶來更多的好處。

例如，在一個事件驅(qū)動的架構(gòu)系統(tǒng)中，我們可以使用RabbitMQ在服務(wù)之間發(fā)送命令，并且使用Kafka實現(xiàn)業(yè)務(wù)事件通知。

原因是事件通知常常用于事件溯源，批量操作（ETL風格），或者審計目的，因此Kafka的消息留存能力就顯得很有價值。

相反，命令一般需要在消費者端做額外處理，并且處理可以失敗，所以需要高級的容錯處理能力。

這里，RabbitMQ在功能上有很多閃光點。以后我可能會寫一篇詳細的文章來介紹，但是你必須記住--你的里程（mileage）可能會變化，因為適合性取決于你的特定需求。

寫這篇文章是由于我觀察到許多開發(fā)者把這RabbitMQ和Kafka作為等價來看待。我希望通過這篇文章的幫助能夠讓你獲得對這兩種技術(shù)實現(xiàn)的深刻理解以及它們之間的技術(shù)差異。

反過來通過它們之間的差異來影響這兩個平臺去給用例提供更好的服務(wù)。這兩個消息平臺都很棒，并且都能夠給多個用例提供很好的服務(wù)。

但是，作為解決方案架構(gòu)師，取決于我們對每一個用例需求的理解，以及優(yōu)化，然后選擇最合適的解決方案。