这是我参与「第五届青训营 」伴学笔记创作活动的第12天
业界消息队列对比
Kafka:分布式的、分区的、多副本的日志提交服务，在高吞吐场景下发挥较为出色
RocketMQ:低延迟、强一致、高性能、高可靠、万亿级容量和灵活的可扩展性，在一些实时场景中运用较广
Pulsar:是下一代云原生分布式消息流平台，集消息、存储、轻量化函数式计算为一体、采用存算分离的架构设计
BMQ:和Pulsar架构类似，存算分离，初期定位是承接高吞吐的离线业务场景，逐步替换掉对应的Kafka集群
消息队列-Kafka
使用Kafka
创建集群
新增Topic
编写生产者逻辑
编写消费者逻辑
基本概念
Topic:逻辑队列，不同Topic可以建立不同的 Topic
Cluster:物理集群，每个集群中可以建立多个不同的Topic
Producer:生产者，负责将业务消息发送到Topic中
Consumer:消费者，负责消费Topic中的消息
ConsumerGroup:消费者组，不同组Consumer消费进度互不干涉
Kafka-问题总结
1运维成本高
2对于负载不均衡的场景，解决方案复杂
3没有自己的缓存，完全依赖Page Cache
4Controller和Coordinator和Broker在同一进程中，大量IO会造成其性能下降
消息队列-BMQ
BMQ简介
兼容Kafka 协议，存算分离，云原生消息队列
直接使用原生SDK会有什么问题?
1.客户端配置较为复杂
2不支持动态配置，更改配置需要停掉服务
3.对于latency不是很敏感的业务，batch 效果不佳
消息队列-RocketMQ
使用场景
例如，针对电商业务线，其业务涉及广泛，如注册、订单、库存、物流等;同时，也会涉及许多业务峰值时刻，如秒杀活动、周年庆、定期特惠等
