原文：http://jm.taobao.org/2016/04/01/kafka-vs-rabbitmq-vs-rocketmq-message-send-performance/?utm_source=tuicool&utm_medium=referral

分布式系統中,我們廣泛運用消息中間件進行系統間的數據交換,便于異步解耦。現在開源的消息中間件有很多,前段時間我們自家的產品 RocketMQ
(MetaQ的內核) 也順利開源,得到大家的關注。

那么,消息中間件性能究竟哪家強?

帶著這個疑問,我們中間件測試組對常見的三類消息產品(Kafka、RabbitMQ、RocketMQ)做了性能比較。

Kafka是LinkedIn開源的分布式發布-訂閱消息系統，目前歸屬于Apache定級項目。Kafka主要特點是基于Pull的模式來處理消息消費，追求高吞吐量，一開始的目的就是用于日志收集和傳輸。0.8版本開始支持復制，不支持事務，對消息的重復、丟失、錯誤沒有嚴格要求，適合產生大量數據的互聯網服務的數據收集業務。

RabbitMQ是使用Erlang語言開發的開源消息隊列系統，基于AMQP協議來實現。AMQP的主要特征是面向消息、隊列、路由（包括點對點和發布/訂閱）、可靠性、安全。AMQP協議更多用在企業系統內，對數據一致性、穩定性和可靠性要求很高的場景，對性能和吞吐量的要求還在其次。

RocketMQ是阿里開源的消息中間件，它是純Java開發，具有高吞吐量、高可用性、適合大規模分布式系統應用的特點。RocketMQ思路起源于Kafka，但并不是Kafka的一個Copy，它對消息的可靠傳輸及事務性做了優化，目前在阿里集團被廣泛應用于交易、充值、流計算、消息推送、日志流式處理、binglog分發等場景。

測試目的

對比Kafka、RabbitMQ、RocketMQ發送小消息(124字節)的性能。這次壓測我們只關注服務端的性能指標,所以壓測的標準是:

不斷增加發送端的壓力,直到系統吞吐量不再上升,而響應時間拉長。這時服務端已出現性能瓶頸,可以獲得相應的系統最佳吞吐量。

測試場景

在同步發送場景中，三個消息中間件的表現區分明顯：

Kafka的吞吐量高達17.3w/s，不愧是高吞吐量消息中間件的行業老大。這主要取決于它的隊列模式保證了寫磁盤的過程是線性IO。此時broker磁盤IO已達瓶頸。

RocketMQ也表現不俗，吞吐量在11.6w/s，磁盤IO %util已接近100%。RocketMQ的消息寫入內存后即返回ack，由單獨的線程專門做刷盤的操作，所有的消息均是順序寫文件。

RabbitMQ的吞吐量5.95w/s，CPU資源消耗較高。它支持AMQP協議，實現非常重量級，為了保證消息的可靠性在吞吐量上做了取舍。我們還做了RabbitMQ在消息持久化場景下的性能測試，吞吐量在2.6w/s左右。

測試結論

在服務端處理同步發送的性能上，Kafka>RocketMQ>RabbitMQ。

附錄：

測試環境

服務端為單機部署，機器配置如下：

應用版本：

測試腳本

前面我們對比了最簡單的小消息發送場景,Kafka暫時勝出。但是,作為經受過歷次雙十一洗禮的RocketMQ,在互聯網應用場景中更有它優越的一面。

RabbitMQ

是使用Erlang編寫的一個開源的消息隊列，本身支持很多的協議：AMQP，XMPP, SMTP, STOMP，也正是如此，使的它變的非常重量級，更適合于企業級的開發。同時實現了一個經紀人(Broker)構架，這意味著消息在發送給客戶端時先在中心隊列排隊。對路由(Routing)，負載均衡(Load balance)或者數據持久化都有很好的支持。

Redis

是一個Key-Value的NoSQL數據庫，開發維護很活躍，雖然它是一個Key-Value數據庫存儲系統，但它本身支持MQ功能，所以完全可以當做一個輕量級的隊列服務來使用。對于RabbitMQ和Redis的入隊和出隊操作，各執行100萬次，每10萬次記錄一次執行時間。測試數據分為128Bytes、512Bytes、1K和10K四個不同大小的數據。實驗表明：入隊時，當數據比較小時Redis的性能要高于RabbitMQ，而如果數據大小超過了10K，Redis則慢的無法忍受；出隊時，無論數據大小，Redis都表現出非常好的性能，而RabbitMQ的出隊性能則遠低于Redis。

ZeroMQ

號稱最快的消息隊列系統，尤其針對大吞吐量的需求場景。ZMQ能夠實現RabbitMQ不擅長的高級/復雜的隊列，但是開發人員需要自己組合多種技術框架，技術上的復雜度是對這MQ能夠應用成功的挑戰。ZeroMQ具有一個獨特的非中間件的模式，你不需要安裝和運行一個消息服務器或中間件，因為你的應用程序將扮演了這個服務角色。你只需要簡單的引用ZeroMQ程序庫，可以使用NuGet安裝，然后你就可以愉快的在應用程序之間發送消息了。但是ZeroMQ僅提供非持久性的隊列，也就是說如果down機，數據將會丟失。其中，Twitter的Storm中使用ZeroMQ作為數據流的傳輸。

ActiveMQ

是Apache下的一個子項目。 類似于ZeroMQ，它能夠以代理人和點對點的技術實現隊列。同時類似于RabbitMQ，它少量代碼就可以高效地實現高級應用場景。RabbitMQ、ZeroMQ、ActiveMQ均支持常用的多種語言客戶端 C++、Java、.Net,、Python、 Php、 Ruby等。

Jafka/Kafka

Kafka是Apache下的一個子項目，是一個高性能跨語言分布式Publish/Subscribe消息隊列系統，而Jafka是在Kafka之上孵化而來的，即Kafka的一個升級版。具有以下特性：快速持久化，可以在O(1)的系統開銷下進行消息持久化；高吞吐，在一臺普通的服務器上既可以達到10W/s的吞吐速率；完全的分布式系統，Broker、Producer、Consumer都原生自動支持分布式，自動實現復雜均衡；支持Hadoop數據并行加載，對于像Hadoop的一樣的日志數據和離線分析系統，但又要求實時處理的限制，這是一個可行的解決方案。Kafka通過Hadoop的并行加載機制來統一了在線和離線的消息處理，這一點也是本課題所研究系統所看重的。Apache Kafka相對于ActiveMQ是一個非常輕量級的消息系統，除了性能非常好之外，還是一個工作良好的分布式系統。

rabbitmq比kafka可靠，kafka更適合IO高吞吐的處理，比如ELK日志收集**

Kafka和RabbitMq一樣是通用意圖消息代理，他們都是以分布式部署為目的。但是他們對消息語義模型的定義的假設是非常不同的。我對”AMQP 更成熟”這個論點是持懷疑態度的。讓我們用事實說話來看看用什么解決方案來解決你的問題。
　　a) 以下場景你比較適合使用Kafka。你有大量的事件(10萬以上/秒)、你需要以分區的，順序的，至少傳遞成功一次到混雜了在線和打包消費的消費者、你希望能重讀消息、你能接受目前是有限的節點級別高可用或則說你并不介意通過論壇/IRC工具得到還在幼兒階段的軟件的支持。
　　b) 以下場景你比較適合使用RabbitMQ。你有較少的事件（2萬以上/秒）并且需要通過復雜的路由邏輯去找到消費者、你希望消息傳遞是可靠的、你并不關心消息傳遞的順序、你需要現在就支持集群-節點級別的高可用或則說你需要7*24小時的付費支持（當然也可以通過論壇/IRC工具）。

redis 消息推送（基于分布式 pub/sub）多用于實時性較高的消息推送，并不保證可靠。

redis 消息推送（基于分布式 pub/sub）多用于實時性較高的消息推送，并不保證可靠。其他的mq和kafka保證可靠但有一些延遲（非實時系統沒有保證延遲）。redis-pub/sub斷電就清空，而使用redis-list作為消息推送雖然有持久化，但是又太弱智，也并非完全可靠不會丟。另外一點，redis 發布訂閱除了表示不同的 topic 外，并不支持分組，比如kafka中發布一個東西，多個訂閱者可以分組，同一個組里只有一個訂閱者會收到該消息，這樣可以用作負載均衡。比如，kafka 中發布：topic = “發布帖子” data=”文章1” 這個消息，后面有一百臺服務器每臺服務器都是一個訂閱者，都訂閱了這個 topic，但是他們可能分為三組，A組50臺，用來真的做發布文章，A組50臺里所有 subscriber 都訂閱了這個topic。由于在同一組，這條消息 （topic=”發布帖子”, data=”文章1”）只會被A組里面一臺當前空閑的機器收到。而B組25臺服務器用于統計，C組25臺服務器用于存檔備份，每組只有一臺會收到。用不同的組來決定每條消息要抄送出多少分去，用同組內哪些訂閱者忙，哪些訂閱者空閑來決定消息會被分到哪臺服務器去處理，生產者消費者模型嘛。redis完全沒有這類機制，這兩點是最大的區別。

redis是內存數據庫！redis他爹做了disque，你要不要試試。mq一般都采用訂閱～發布模型，如果你考慮性能，主要關注點就放在消費模型是pull還是push。影響最大的，應該是存儲結構。kafka的性能要在topic數量小于64的時候，才能發揮威力。partition決定的。極限情況下丟消息，例如：主寫入消息后，主機器宕機，并硬盤損壞。review代碼的時候發現的。rabbit不知道，但是rocket的性能是（萬條每秒），并且能夠橫向無限擴展，單機topic數量在256時，性能損失較小。rocket可以說是kafka的變種，是阿里在充分reviewkafka代碼后，開發的metaQ。在不斷更新，修補以后，阿里把metaQ3.0更名為rocket，并且rocket是java寫的易于維護。另外就是rocket和kafka有類似無限堆積的能力。想想，斷電不丟消息，積壓兩億條消息毫無壓力，niubilitykafka和rocket性能根本不是你需要考慮的問題。

在應用場景方面，

RabbitMQ,遵循AMQP協議，由內在高并發的erlanng語言開發，用在實時的對可靠性要求比較高的消息傳遞上。

kafka是Linkedin于2010年12月份開源的消息發布訂閱系統,它主要用于處理活躍的流式數據,大數據量的數據處理上。

在架構模型方面，

RabbitMQ遵循AMQP協議，RabbitMQ的broker由Exchange,Binding,queue組成，其中exchange和binding組成了消息的路由鍵；客戶端Producer通過連接channel和server進行通信，Consumer從queue獲取消息進行消費（長連接，queue有消息會推送到consumer端，consumer循環從輸入流讀取數據）。rabbitMQ以broker為中心；有消息的確認機制。

kafka遵從一般的MQ結構，producer，broker，consumer，以consumer為中心，消息的消費信息保存的客戶端consumer上，consumer根據消費的點，從broker上批量pull數據；無消息確認機制。

在吞吐量，

kafka具有高的吞吐量，內部采用消息的批量處理，zero-copy機制，數據的存儲和獲取是本地磁盤順序批量操作，具有O(1)的復雜度，消息處理的效率很高。

rabbitMQ在吞吐量方面稍遜于kafka，他們的出發點不一樣，rabbitMQ支持對消息的可靠的傳遞，支持事務，不支持批量的操作；基于存儲的可靠性的要求存儲可以采用內存或者硬盤。

在可用性方面，

rabbitMQ支持miror的queue，主queue失效，miror queue接管。

kafka的broker支持主備模式。

在集群負載均衡方面，

kafka采用zookeeper對集群中的broker、consumer進行管理，可以注冊topic到zookeeper上；通過zookeeper的協調機制，producer保存對應topic的broker信息，可以隨機或者輪詢發送到broker上；并且producer可以基于語義指定分片，消息發送到broker的某分片上。

rabbitMQ的負載均衡需要單獨的loadbalancer進行支持。

Kafka是可靠的分布式日志存儲服務。用簡單的話來說，你可以把Kafka當作可順序寫入的一大卷磁帶， 可以隨時倒帶，快進到某個時間點重放。先說下日志的定義：日志是數據庫的核心，是對數據庫的所有變更的嚴格有序記錄，“表”是變更的結果。日志的其他名字有： Changelog, Write Ahead Log, Commit Log, Redo Log, Journaling.Kafka的特征如下：高寫入速度：Kafka能以超過1Gbps NIC的速度寫這盤磁帶（實際可以到SATA 3速度，參考Benchmarking Apache Kafka: 2 Million Writes Per Second (On Three Cheap Machines))，充分利用了磁盤的物理特性，即，隨機寫入慢（磁頭沖停），順序寫入快（磁頭懸浮）。高可靠性： 通過zookeeper做分布式一致性，同步到任意多塊磁盤上，故障自動切換選主，自愈。高容量：通過橫向擴展，LinkedIn每日通過Kafka存儲的新增數據高達175TB，8000億條消息，可無限擴容，類似把兩條磁帶粘到一起。傳統業務數據庫的根本缺陷在于：1. 太慢，讀寫太昂貴，無法避免的隨機尋址。（磁盤最快5ms尋址，固態又太昂貴。）2. 根本無法適應持續產生的數據流，越用越慢。（索引效率問題）3. 無法水平scale。（多半是讀寫分離，一主多備。另: NewSQL通過一致性算法，有多主。）針對這些問題，Kafka提出了一種方法: “log-centric approach（以日志為中心的方法）。”將傳統數據庫分為兩個獨立的系統，即日志系統和索引系統。“持久化和索引分開，日志盡可能快的落地，索引按照自己的速度追趕。”在數據可靠性在得到Kafka這種快速的，類似磁帶順序記錄方式保障的大前提下。數據的呈現，使用方式變得非常靈活，可以根據需要將數據流同時送入搜索系統，RDBMS系統，數據倉庫系統， 圖數據庫系統，日志分析等這些各種不同的數據庫系統。 這些不同的系統只不過是一種對Kafka磁帶數據的一種詮釋，一個側面，一個索引，一個快照。數據丟了，沒關系，重放一遍磁帶即可，更多的時候，對這些各式數據庫系統的維護只是需要定期做一個快照，并拷貝到一個安全的對象存儲(如S3) 而已。 一句話：“日志都是相同的日志，索引各有各的不同。”關于流計算：在以流為基本抽象的存儲模型下，數據流和數據流之間，可以多流混合處理，或者流和狀態，狀態和狀態的JOIN處理，這就是Kafka Stream提供的功能。 一個簡單的例子是，在用戶觸發了某個事件后，和用戶表混合處理，產生數據增補（Augment)，再進入數據倉庫進行相關性分析，一些簡單的窗口統計和實時分析也很容易就能滿足，比如 在收到用戶登錄消息的時候，在線人數+1， 離線的時候-1，反應出當前系統的在線用戶總數。這方面可以參考PipelineDB https://www.pipelinedb.com/Kafka會讓你重新思考系統的構建方式，使以前不可能的事變為可能，是一個系統中最重要的最核心的部分，不夸張的說，系統設計都需要圍繞Kafka做。

--------------------- 本文來自 混沌風YF 的CSDN 博客 ，全文地址請點擊：https://blog.csdn.net/yunfeng482/article/details/72856762?utm_source=copy

總結

以上是生活随笔為你收集整理的Kafka、RabbitMQ、RocketMQ等消息中间件的对比 —— 消息发送性能和区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。