Kafka 消息生产与消费流程
1. 消息生产
-
生产者创建消息：
- 指定目标 Topic、Key（可选）、Value。
- 可附加 Header 信息（如时间戳、自定义元数据）。
-
选择分区（Partition）：
- 若指定 Key，按 Key 的哈希值分配到对应 Partition。
- 若未指定 Key，按轮询或粘性分区策略分配。
-
发送消息到 Broker：
- 生产者将消息发送至对应 Partition 的 Leader Broker。
- 同步或异步发送，通过
acks配置确认机制：acks=0：不等待确认（可能丢失消息）。acks=1：等待 Leader 写入成功。acks=all：等待 Leader 和所有 ISR（In-Sync Replicas）副本写入成功。
-
Broker 持久化消息：
- Leader Broker 将消息追加到 Partition 的日志文件（顺序写入）。
- Follower Brokers 从 Leader 拉取消息进行副本同步。
2. 消息消费
-
消费者组订阅 Topic：
- 消费者组（Consumer Group）内的每个消费者分配到一个或多个 Partition。
- 每个 Partition 只能被组内的一个消费者消费。
-
拉取消息（Pull 模式）：
- 消费者定期向 Broker 发送拉取请求，指定 Topic、Partition 及 Offset。
- 消费者维护当前消费的 Offset（可存储在 Kafka 内部 Topic 或外部系统）。
-
处理消息：
- 消费者处理消息后提交 Offset（自动或手动提交）。
- 若处理失败，可选择重试或跳过（需业务逻辑处理）。
-
分区再平衡（Rebalance）：
- 消费者加入或离开时，触发 Rebalance，重新分配 Partition。
- 通过 Kafka 的 Coordinator（内部组件）管理消费者组状态。
RocketMQ 消息生产与消费流程
1. 消息生产
-
生产者创建消息：
- 指定目标 Topic、Tag（过滤标签）、Key（唯一标识）、Body。
- 可设置事务标识（用于事务消息）。
-
选择消息队列（MessageQueue）：
- Topic 下分为多个 MessageQueue（默认 4 个）。
- 生产者按轮询、哈希或手动选择策略发送到某个 MessageQueue。
-
发送消息到 Broker：
- 消息发送至对应的 Broker Master 节点。
- 支持同步、异步、单向（Oneway）发送：
- 同步发送：等待 Broker 返回写入结果。
- 异步发送：通过回调处理结果。
- 单向发送：不等待响应（可能丢失消息）。
-
Broker 持久化消息：
- Broker 将消息写入 CommitLog（全局顺序写入的日志文件）。
- 异步构建 ConsumeQueue（消费队列索引）和 IndexFile（消息检索索引）。
2. 消息消费
-
消费者组订阅 Topic：
- 消费者组（Consumer Group）可设置为集群模式（消息负载均衡）或广播模式（全量广播）。
- 每个 MessageQueue 在同一时刻只能被组内的一个消费者消费。
-
拉取消息（Pull 模式）：
- 消费者从 Broker 拉取消息，指定 Topic、MessageQueue 及消费位点（Offset）。
- RocketMQ 支持长轮询（Long Polling）减少无效请求。
-
处理消息：
- 消费者处理消息后返回消费状态（
CONSUME_SUCCESS或RECONSUME_LATER）。 - 若消费失败，消息进入重试队列（Retry Topic），最多重试 16 次后进入死信队列（DLQ）。
- 消费者处理消息后返回消费状态（
-
位点管理：
- 消费位点存储在 Broker（集群模式）或本地（广播模式）。
- 支持从指定时间点开始消费（如回溯历史消息）。
Kafka vs RocketMQ 核心差异
| 维度 | Kafka | RocketMQ |
|---|---|---|
| 设计目标 | 高吞吐、日志流处理 | 高可靠、事务消息、顺序消息 |
| 存储模型 | Partition 日志文件，每个 Partition 独立存储 | CommitLog 统一存储，异步构建消费队列索引 |
| 消息确认机制 | 基于 acks 参数控制副本同步 | 支持同步/异步刷盘，主从同步复制 |
| 事务支持 | 有限支持（需配合外部事务） | 原生支持分布式事务消息（2PC） |
| 消息重试 | 需自行实现（如死信队列） | 内置重试队列和死信队列 |
| 消费模式 | 仅集群模式 | 支持集群模式和广播模式 |
| 运维复杂度 | 依赖 ZooKeeper，部署较复杂 | 依赖 NameServer，部署更轻量 |
1. 消息顺序性
Kafka
- 分区顺序性：Kafka通过分区（Partition）保证顺序。同一分区内的消息按写入顺序存储，消费者按顺序消费。
- 实现方式：
- 生产者需将同一业务键（如订单ID）的消息发送到同一分区（通过指定Key哈希选择分区）。
- 消费者单线程消费同一分区（或使用
max.poll.records=1避免并发）。
- 局限性：全局顺序需单分区，牺牲扩展性。
RocketMQ
- 队列顺序性：通过队列（Queue）实现顺序性，每个队列内消息有序。
- 实现方式：
- 生产者使用
MessageQueueSelector将同一业务标识的消息发送到同一队列。 - 消费者通过
MessageListenerOrderly以加锁方式单线程消费队列。
- 生产者使用
- 支持模式：支持局部顺序（如订单操作）和严格全局顺序（需单队列，性能受限）。
对比
- 相似点：均依赖分区/队列的单线程处理。
- 差异：RocketMQ提供更显式的顺序消费API，Kafka需手动控制分区分配。
2. 消息不丢失
Kafka
- 生产者端：
- 设置
acks=all：等待所有ISR副本确认写入。 - 启用重试机制（
retries）和幂等性（enable.idempotence=true）。
- 设置
- Broker端：
- 消息持久化到磁盘（可配置刷盘策略）。
- 多副本同步（ISR机制），
min.insync.replicas确保最小存活副本数。
- 消费者端：
- 手动提交偏移量（
enable.auto.commit=false），处理完消息后提交。
- 手动提交偏移量（
RocketMQ
- 生产者端：
- 同步发送（
sendSync）等待Broker确认。 - 事务消息机制（两阶段提交）保障事务一致性。
- 同步发送（
- Broker端：
- 同步刷盘（
flushDiskType=SYNC_FLUSH）确保消息落盘。 - 主从复制（同步双写或异步复制）。
- 同步刷盘（
- 消费者端：
- 消费者处理完成后手动ACK，失败时重试（重试队列+死信队列）。
对比
- 相似点：均依赖生产者确认、持久化、副本同步和消费者手动确认。
- 差异：
- Kafka通过ISR动态管理副本，RocketMQ支持同步刷盘和事务消息。
- RocketMQ的重试队列机制更结构化，Kafka依赖消费者自行处理。
3. 高可用性
Kafka
- 副本机制：
- 每个分区有多个副本，分布在不同Broker。
- Leader处理读写，Follower同步数据，Leader故障时从ISR选举新Leader。
- 控制器（Controller）：
- 负责分区Leader选举和集群状态管理。
- 依赖ZooKeeper：
- 存储元数据和Broker协调信息（未来版本将移除ZooKeeper依赖）。
RocketMQ
- 主从架构：
- Broker分Master和Slave，Master处理写请求，Slave异步/同步复制数据。
- Master故障时，Slave可切换为Master（需手动或通过DLedger自动切换）。
- DLedger模式：
- 基于Raft协议实现多副本一致性，自动选举Leader。
- Namesrv：
- 轻量级元数据管理服务（无强一致性依赖），Broker定期注册信息。
对比
- 相似点：均通过多副本和故障转移实现高可用。
- 差异：
- Kafka依赖ZooKeeper协调，RocketMQ使用Namesrv和DLedger。
- RocketMQ的DLedger提供强一致性的自动选主，Kafka的ISR更侧重可用性。
总结
| 特性 | Kafka | RocketMQ |
|---|---|---|
| 顺序性 | 分区内有序，依赖Key选择分区。 | 队列内有序，显式选择队列和顺序监听器。 |
| 消息不丢失 | ISR副本同步、生产者ACK、手动提交偏移。 | 同步刷盘、事务消息、主从复制。 |
| 高可用 | 多副本+ZooKeeper协调。 | 主从+DLedger自动选主+Namesrv。 |
适用场景
-
Kafka：
适合日志采集、流数据处理、实时分析等高吞吐场景，如 ELK 日志系统、用户行为追踪。 -
RocketMQ：
适合金融交易、订单处理、消息重试等高可靠性场景，如电商订单状态同步、支付事务消息。
总结
- Kafka 以吞吐量和水平扩展见长，适合大数据流式处理。
- RocketMQ 以事务消息和可靠性为核心，适合企业级复杂业务场景。
- 选择时需根据业务需求（吞吐量、可靠性、事务支持）及运维成本综合评估。