淘寶內部的交易系統使用了淘寶自主研發的Notify消息中間件，使用Mysql作為消息存儲媒介，可完全水平擴容，為了進一步降低成本，我們認為存儲部分可以進一步優化，2011年初，Linkin開源了Kafka這個優秀的消息中間件，淘寶中間件團隊在對Kafka做過充分Review之后，Kafka無限消息堆積，高效的持久化速度吸引了我們，但是同時發現這個消息系統主要定位於日志傳輸，對於使用在淘寶交易、訂單、充值等場景下還有諸多特性不滿足，為此我們重新用Java語言編寫了RocketMQ，定位於非日志的可靠消息傳輸（日志場景也OK），目前RocketMQ在阿里集團被廣泛應用在訂單，交易，充值，流計算，消息推送，日志流式處理，binglog分發等場景。
數據可靠性
- RocketMQ支持異步實時刷盤，同步刷盤，同步Replication，異步Replication
- Kafka使用異步刷盤方式，異步Replication
總結：RocketMQ的同步刷盤在單機可靠性上比Kafka更高，不會因為操作系統Crash，導致數據丟失。 同時同步Replication也比Kafka異步Replication更可靠，數據完全無單點。另外Kafka的Replication以topic為單位，支持主機宕機，備機自動切換，但是這里有個問題，由於是異步Replication，那么切換后會有數據丟失，同時Leader如果重啟后，會與已經存在的Leader產生數據沖突。開源版本的RocketMQ不支持Master宕機，Slave自動切換為Master，阿里雲版本的RocketMQ支持自動切換特性。
性能對比
- Kafka單機寫入TPS約在百萬條/秒，消息大小10個字節
- RocketMQ單機寫入TPS單實例約7萬條/秒，單機部署3個Broker，可以跑到最高12萬條/秒，消息大小10個字節
總結：Kafka的TPS跑到單機百萬，主要是由於Producer端將多個小消息合並，批量發向Broker。
RocketMQ為什么沒有這么做？
- Producer通常使用Java語言，緩存過多消息，GC是個很嚴重的問題
- Producer調用發送消息接口，消息未發送到Broker，向業務返回成功，此時Producer宕機，會導致消息丟失，業務出錯
- Producer通常為分布式系統，且每台機器都是多線程發送，我們認為線上的系統單個Producer每秒產生的數據量有限，不可能上萬。
- 緩存的功能完全可以由上層業務完成。
單機支持的隊列數
- Kafka單機超過64個隊列/分區，Load會發生明顯的飆高現象，隊列越多，load越高，發送消息響應時間變長
- RocketMQ單機支持最高5萬個隊列，Load不會發生明顯變化
隊列多有什么好處？
- 單機可以創建更多Topic，因為每個Topic都是由一批隊列組成
- Consumer的集群規模和隊列數成正比，隊列越多，Consumer集群可以越大
消息投遞實時性
- Kafka使用短輪詢方式，實時性取決於輪詢間隔時間
- RocketMQ使用長輪詢，同Push方式實時性一致，消息的投遞延時通常在幾個毫秒。
消費失敗重試
- Kafka消費失敗不支持重試
- RocketMQ消費失敗支持定時重試，每次重試間隔時間順延
總結：例如充值類應用，當前時刻調用運營商網關，充值失敗，可能是對方壓力過多，稍后在調用就會成功，如支付寶到銀行扣款也是類似需求。
這里的重試需要可靠的重試，即失敗重試的消息不因為Consumer宕機導致丟失。
嚴格的消息順序
- Kafka支持消息順序，但是一台Broker宕機后，就會產生消息亂序
- RocketMQ支持嚴格的消息順序，在順序消息場景下，一台Broker宕機后，發送消息會失敗，但是不會亂序
Mysql Binlog分發需要嚴格的消息順序
定時消息
- Kafka不支持定時消息
- RocketMQ支持兩類定時消息
- 開源版本RocketMQ僅支持定時Level
- 阿里雲ONS支持定時Level，以及指定的毫秒級別的延時時間
分布式事務消息
- Kafka不支持分布式事務消息
- 阿里雲ONS支持分布式定時消息，未來開源版本的RocketMQ也有計划支持分布式事務消息
消息查詢
- Kafka不支持消息查詢
- RocketMQ支持根據Message Id查詢消息，也支持根據消息內容查詢消息（發送消息時指定一個Message Key，任意字符串，例如指定為訂單Id）
總結：消息查詢對於定位消息丟失問題非常有幫助，例如某個訂單處理失敗，是消息沒收到還是收到處理出錯了。
消息回溯
- Kafka理論上可以按照Offset來回溯消息
- RocketMQ支持按照時間來回溯消息，精度毫秒，例如從一天之前的某時某分某秒開始重新消費消息
總結：典型業務場景如consumer做訂單分析，但是由於程序邏輯或者依賴的系統發生故障等原因，導致今天消費的消息全部無效，需要重新從昨天零點開始消費，那么以時間為起點的消息重放功能對於業務非常有幫助。
消費並行度
-
Kafka的消費並行度依賴Topic配置的分區數，如分區數為10，那么最多10台機器來並行消費（每台機器只能開啟一個線程），或者一台機器消費（10個線程並行消費）。即消費並行度和分區數一致。
-
RocketMQ消費並行度分兩種情況
- 順序消費方式並行度同Kafka完全一致
- 亂序方式並行度取決於Consumer的線程數，如Topic配置10個隊列，10台機器消費，每台機器100個線程，那么並行度為1000。
消息軌跡
- Kafka不支持消息軌跡
- 阿里雲ONS支持消息軌跡
開發語言友好性
- Kafka采用Scala編寫
- RocketMQ采用Java語言編寫
Broker端消息過濾
- Kafka不支持Broker端的消息過濾
- RocketMQ支持兩種Broker端消息過濾方式
- 根據Message Tag來過濾，相當於子topic概念
- 向服務器上傳一段Java代碼，可以對消息做任意形式的過濾，甚至可以做Message Body的過濾拆分。
消息堆積能力
理論上Kafka要比RocketMQ的堆積能力更強，不過RocketMQ單機也可以支持億級的消息堆積能力，我們認為這個堆積能力已經完全可以滿足業務需求。
開源社區活躍度
- Kafka社區更新較慢
- RocketMQ的github社區有250個個人、公司用戶登記了聯系方式，QQ群超過1000人。
商業支持
- Kafka原開發團隊成立新公司，目前暫沒有相關產品看到
- RocketMQ在阿里雲上已經開放公測近半年，目前以雲服務形式免費供大家商用，並向用戶承諾99.99%的可靠性，同時徹底解決了用戶自己搭建MQ產品的運維復雜性問題
成熟度
- Kafka在日志領域比較成熟
- RocketMQ在阿里集團內部有大量的應用在使用，每天都產生海量的消息，並且順利支持了多次天貓雙十一海量消息考驗，是數據削峰填谷的利器。