这是我参与「第五届青训营 」伴学笔记创作活动的第 11 天，今天学习了消息队列原理与实战，是偏向实践的内容了，还是没咋听懂，还是得在实践中慢慢学习。
消息队列原理与实战：
消息队列的发展历程：
TIB： 1985年，服务于金融机构和新闻机构
IBM MQ/WebSphere：诞生于1993年，商业消息队列平台市场主要玩家
MSMQ：微软发布于1997年
JMS：诞生于2001年，本质上是一套JavaAPI
AMQP/RabbitMQ：规范发布于2004年，同年RabbitMQ面市
Kafka：2010年由Linked开源
RockerMQ：2011年阿里中间件团队自研
Pulsar：2012年诞生于Yahoo内部
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使用场景：搜索服务，直播服务，订单服务，支付服务，日志信息，metrices数据，搜索、点赞、评论、收藏等用户行为。
Kafka号称大数据的杀手锏，谈到大数据领域内的消息传输，则绕不开Kafka，这款为大数据而生的消息中间件，以其百万级TPS的吞吐量名声大噪，迅速成为大数据领域的宠儿，在数据采集、传输、存储的过程中发挥着举足轻重的作用。
Apache Kafka它最初由LinkedIn公司基于独特的设计实现为一个分布式的提交日志系统( a distributed commit log)，之后成为Apache项目的一部分。
目前已经被LinkedIn，Uber, Twitter, Netflix等大公司所采纳。
优点
性能卓越，单机写入TPS约在百万条/秒，最大的优点，就是吞吐量高。
时效性：ms级
可用性：非常高，kafka是分布式的，一个数据多个副本，少数机器宕机，不会丢失数据，不会导致不可用
消费者采用Pull方式获取消息, 消息有序, 通过控制能够保证所有消息被消费且仅被消费一次;
有优秀的第三方Kafka Web管理界面Kafka-Manager；
在日志领域比较成熟，被多家公司和多个开源项目使用；
功能支持：功能较为简单，主要支持简单的MQ功能，在大数据领域的实时计算以及日志采集被大规模使用
缺点：
Kafka单机超过64个队列/分区，Load会发生明显的飙高现象，队列越多，load越高，发送消息响应时间变长
使用短轮询方式，实时性取决于轮询间隔时间；
消费失败不支持重试；
支持消息顺序，但是一台代理宕机后，就会产生消息乱序；
社区更新较慢；
