为什么选择 RocketMQ
为什么选择 RocketMQ
在 RocketMQ 在阿里巴巴早期开发阶段，我们将其用于多种目的，包括异步通信、搜索、社交网络活动流、数据管道和交易流程。随着我们的交易业务增长，我们注意到消息集群承受着越来越大的压力。
在观察和分析 ActiveMQ IO 模块的性能后，我们发现随着队列和虚拟主题数量的增加，存在瓶颈。我们尝试通过各种方法解决这个问题，例如限流、断路器和服务降级，但都没有取得令人满意的效果。我们也考虑使用 Kafka，这是一种流行的消息解决方案，但它不满足我们对低延迟和高可靠性的要求，如下所述。因此，我们决定开发一个新的消息引擎，能够处理更广泛的用例，从传统的发布/订阅到高容量、实时、零错误事务系统。
自诞生以来，Apache RocketMQ 凭借其简单的架构、丰富的业务功能和极高的可扩展性，已被企业开发人员和云供应商广泛采用。经过十多年的广泛场景打磨，RocketMQ 已成为金融级可靠业务消息的行业标准，广泛应用于互联网、大数据、移动互联网、物联网等领域。
提示
下表显示了 RocketMQ、ActiveMQ 和 Kafka 之间的比较
RocketMQ 与 ActiveMQ 与 Kafka 的比较
| 消息产品 | 客户端 SDK | 协议和规范 | 有序消息 | 定时消息 | 批量消息 | 广播消息 | 消息过滤器 | 服务器触发重试 | 消息存储 | 消息追溯 | 消息优先级 | 高可用性和故障转移 | 消息跟踪 | 配置 | 管理和操作工具 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ActiveMQ | Java、.NET、C++ 等 | 推送模型，支持 OpenWire、STOMP、AMQP、MQTT、JMS | 独占消费者或独占队列可以确保排序 | 支持 | 不支持 | 支持 | 支持 | 不支持 | 支持使用 JDBC 以及高性能日志（如 levelDB、kahaDB）进行非常快速的持久化 | 支持 | 支持 | 支持，取决于存储，如果使用 levelDB，则需要 ZooKeeper 服务器 | 不支持 | 默认配置级别较低，用户需要优化配置参数 | 支持 |
| Kafka | Java、Scala 等 | 拉取模型，支持 TCP | 确保分区内消息的排序 | 不支持 | 支持，使用异步生产者 | 不支持 | 支持，可以使用 Kafka Streams 过滤消息 | 不支持 | 高性能文件存储 | 支持偏移量指示 | 不支持 | 支持，需要 ZooKeeper 服务器 | 不支持 | Kafka 使用键值对格式进行配置。这些值可以从文件或以编程方式提供。 | 支持，使用终端命令公开核心指标 |
| RocketMQ | Java、C++、Go | 拉取模型，支持 TCP、JMS、OpenMessaging | 确保消息的严格排序，并且可以优雅地扩展 | 支持 | 支持，使用同步模式以避免消息丢失 | 支持 | 支持，基于 SQL92 的属性过滤器表达式 | 支持 | 高性能、低延迟文件存储 | 支持时间戳和偏移量两个指示 | 不支持 | 支持，主从模型，无需其他套件 | 支持 | 开箱即用，用户只需要关注一些配置 | 支持，丰富的 Web 和终端命令公开核心指标 |