RabbitMQ與Kafka選型對比

• 2020 年 9 月 25 日
• 筆記
• .NET Core

背景

　　本公司是.Net項目，在.Net可選的MQ比較少，主要Kafka和RabbitMQ，RabbitMQ我也是使用多年了，最近的Kafka廣告與流行度打得使我也是無法無視，因此也是花了點時間收集了資料做了些對比。

　　此外有個小插曲，當我形成了文檔讓老闆兼CTO對比決策後，他打算上阿里雲買MQ服務。我當時給他開了個玩笑：您這價錢把我請回來，而且公司還有運維，其實完全可以自己維護，要不我來負責，你把這每個月的MQ費用給我加工資得了。當我下樓買了支維他檸檬茶後，他決定由我們自己搭建RabbitMQ。這個決定跟我的想法差不多，原因主要兩點：運維起來方便，吞吐沒有特別高。

　　如果下文有總結不到位的，或者差錯的，可以在下方評論回饋給我

RabbitMQ模型

• Exchange在聲明時會綁定Queue和Binding Key，當Exchange收到消息會根據消息的
• Routing Key與Exchange Type、Binding Key進行匹配，最後會路由到相關的隊列當中。
  • Fanout，將消息發送到與該交換器所綁定的所有隊列中，與Routing Key、Bind Key無關，這就是廣播模式。
  • Topic，通過對消息的Routing Key和Exchange、Queue進行匹配，將消息路由給一個或多個隊列，以此來達到發布/訂閱模式。
  • Direct，把消息路由到哪些Bind Key和Routing Key完全匹配的隊列中。
  • Headers，不依賴與路由鍵的匹配規則，基本用不上。
• 消費者會直接訂閱Queue里的消息進行消費，多個消費者訂閱同個Queue會形成消息競爭狀態，以此達到負載均衡作用。

Kafka模型

• Kafka與RabbitMQ比沒有Exchange的概念，生產者直接發消息Topic（隊列）。
• Kafka的訂閱者是通過消費組（Consumer Group）來體現的，每個消費組都可以重複消費Topic一份完整的消息，不同消費組之間消費進度彼此不受影響。例如Message1能被Consumer Group 1和Consumer Group2里的消費者都消費一次。
• 消費組中包含多個消費者，同個Group的消費者之間是競爭消費的關係。例如Message2隻能夠被Consumer Group里某一個Consumer只消費一次。
• Kafka具有消息存儲的功能，消息被消費後不會被立即刪除，因為需要被不同的Consumer Group多次消費同個消息，因此會在Topic維護一個Consumer Offset，每消費成功Offset自增1.

功能對比

對比描述

共同點

RabbitMQ與Kafka都有很好的客戶端語言支援、安全機制與生態支援。

性能

Kafka的誕生的是處理高並發日誌的，吞吐量比較高，每秒請求數達到數十萬量級，而RabbitMQ每秒請求數則為萬級別，有測試報告指出Kafka是RabbitMQ的10倍以上性能。

運維便捷

RabbitMQ相對比較方便，可以使用yum或者docker安裝，自帶Web管理UI，沒有額外的依賴，除了需要做鏡像隊列外需要引入HAproxy。

Kafka則需要依賴Zookeeper，也沒有自帶的管理工具，可以使用第三方的Kafka Eagle代替，Kafka Manager過於難用，另外Kafka沒有yum安裝，docker鏡像也是社區人員自己建的。

有序性

RabbitMQ理論上是全局有序性的，但是由於【發後既忘】+【自動確認】機制的原因，如果在同個隊列的多個消費者做相同的業務處理時，他們的各自的執行任務無法保證有序完成。如果確保100%有序可以使用【非自動確認】，但會影響消費性能。

Kafka支援分區有序性，如果對有序性有嚴格要求可以設置單個Partition，可是單個Partition並發性比較低，因此在多個Partition情況下可以根據業務指定key把相關的消息路由到同一個Partition，例如相同UserId行為資訊可以到Partition 1進行處理。

時效性

Kafka基本上無論在客戶端還是服務端都是以【非同步批量】的機制進行處理，通俗的講就是先攢起來一堆消息，到了某個閥值再發送，也會導致一些消息可靠性與消息有時效上的問題，當然可以通過各種配置策略進行解決。

消息回溯

Kafka在消費完了消息後不會立即刪除，只會修改offset，如果之前部分業務消費失敗了可以重新設置offset進行重新消費。

RabbitMQ則是[發後既忘]的機制，一但消費者確認消息則刪除，但是可以通過死信進行補償消費。此外RabbitMQ在隊列消息堆積多的情況下性能表現不佳，所以儘可能的及時消費消息。

特色功能

RabbitMQ具有死信的功能，可以通過死信形成重複消費與延時發送。

Kafka具有流處理功能，可以收集用戶的行為日誌進行存儲與分析。

Kafka為什麼快？

關鍵核心技術點：

• 非同步批量處理
• 磁碟順序讀寫
• 作業系統PageCache快取數據
• 零拷貝加速消費

Kafka的誕生就是為了高並發日誌處理的，那麼在他整個機制里使用了很多批量、非同步、快取。例如生產者客戶端，他會積累一定量（條數、大小）的消息，再批量的發給kafka broker，如果在這段時間客戶端服務掛了，就等於消息丟失了。當broker接受到了消息後，還有一堆騷操作-非同步刷盤，也就是生產者發送給broker之後他是記錄在快取的，每隔一段時間才會持久化到磁碟，假如這段真空期broker掛了，消息也是丟了。

Kafka是否消息不可靠？

Kafka快是因為犧牲了消息可靠換取回來的性能，在最早期版本的確沒提供消息可靠的策略，經過多個版本迭代後的功能完善，已經不存在這種舊觀念。那麼可靠的關鍵點有以下：

生產者

設置ack：

• 0：producer不等待broker的ack，broker一接收到還沒有寫入磁碟就已經返回，可靠性最低；
• 1：producer等待broker的ack，partition的leader刷盤成功後返回ack，如果在follower同步成功之前leader故障，那麼將會丟失數據，可靠性中；
• -1：producer等待broker的ack，partition的leader和follower全部落盤成功後才返回ack，數據一般不會丟失，延遲時間長但是可靠性高

消費者

設置enable.auto.commitrue，不管執行結果如何，消費者會自動提交offset。

yum install -y rabbitmq-server

firewall-cmd --permanent --add-port=15672/tcp
firewall-cmd --permanent --add-port=5672/tcp
firewall-cmd --reload

service rabbitmq-server start

rabbitmq-plugins enable rabbitmq_management

rabbitmqctl add_user admin 123456

rabbitmqctl set_user_tags admin administrator

rabbitmqctl set_permissions -p "/" admin "." "." ".*"

service rabbitmq-server restart

docker run -d --restart always --name zookeeper -p 2181:2181 -v /root/zookeeper/data:/data -v /root/zookeeper/conf:/conf -v /root/zookeeper/logs:/logs zookeeper:3.6.1

firewall-cmd --permanent --add-port=2181/tcp
firewall-cmd --reload

docker run -d --name kafka -p 9092:9092 -e KAFKA_BROKER_ID=1 -e KAFKA_ZOOKEEPER_CONNECT=192.168.88.139:2181 -e KAFKA_ADVERTISED_HOST_NAME=192.168.88.141 -e KAFKA_ADVERTISED_PORT=9092 wurstmeister/kafka:2.12-2.5.0

mkdir /root/kafka
docker cp kafka:/opt/kafka/config /root/kafka/config

docker stop kafka
docker rm kafka

docker run -d --name kafka -p 9092:9092 -e KAFKA_BROKER_ID=1 -e KAFKA_ZOOKEEPER_CONNECT=192.168.88.139:2181 -e KAFKA_ADVERTISED_HOST_NAME=192.168.88.141 -e KAFKA_ADVERTISED_PORT=9092 -v /root/kafka/config: /opt/kafka/config wurstmeister/kafka:2.12-2.5.0

firewall-cmd --permanent --add-port=9092/tcp
firewall-cmd --reload

yum -y install java-1.8.0-openjdk*

wget -o kafka-eagle-bin.tar.gz https://codeload.github.com/smartloli/kafka-eagle-bin/tar.gz/v2.0.1

tar -zxvf kafka-eagle-bin.tar.gz
tar -zxvf kafka-eagle-bin-2.0.1/kafka-eagle-web-2.0.1-bin.tar.gz
mv kafka-eagle-web-2.0.1 kafka-eagle

vim /etc/profile

export JAVA_HOME=/usr
export KE_HOME=/etc/kafka-eagle
export PATH=$PATH:$KE_HOME/bin:$JAVA_HOME/bin

source /etc/profile

cd /etc/kafka-eagle/conf
vim system-config.properties

#注釋
#cluster2.zk.list=xdn10:2181,xdn11:2181,xdn12:2181
#cluster2.kafka.eagle.offset.storage=zk


#cluster1.zk.acl.enable=false
#cluster1.zk.acl.schema=digest
#cluster1.zk.acl.username=test
#cluster1.zk.acl.password=test123


修改
kafka.eagle.zk.cluster.alias=cluster1
cluster1.zk.list=192.168.88.139:2181
kafka.eagle.metrics.charts=true

kafka.eagle.driver=org.sqlite.JDBC
kafka.eagle.url=jdbc:sqlite:/etc/kafka-eagle/db/ke.db
kafka.eagle.username=root
kafka.eagle.password=root

cd /etc/kafka-eagle/bin
chmod +x ke.sh
ke.sh start

firewall-cmd --permanent --add-port=8048/tcp     
firewall-cmd --reload