使用场景¶
相比支持广播、事务消息、消息路由、死信队列、优先级队列等且广泛应用于秒杀、流控、系统解耦等场景的 RabbitMQ，Kafka 消息队列适用于构建实时数据管道、流式数据处理、第三方解耦、流量削峰去谷等场景，具有大规模、高可靠、高并发访问、可扩展且完全托管的特点。
与 RabbitMQ 对比¶
正所谓没有最好的技术，只有最合适的技术。每个消息中间件服务都有自己的优劣，以下对 RabbitMQ 和 Kafka 做一个简单的对比。
| Kafka | RabbitMQ | |
|---|---|---|
| 性能 | 单节点 QPS 达百万级，吞吐量高 | 单节点 QPS 为万级，吞吐量低 |
| 可靠性 | 多副本机制，数据可靠性高 | 多副本机制，数据可靠性高 |
| 功能 | 持久化 事务消息 单分区级别的顺序性 |
持久化 优先级队列 延迟队列 死信队列 事务消息 |
| 消费模式 | 消息过滤 客户端主动拉取 消息回溯 广播消费 |
客户端主动拉取和服务端推送 广播消费 |
| 客户端支持 | 只支持 Kafka 自定义协议 采用 Scala 和 Java 编写 支持 SSL/SASL 认证和读写权限控制 |
支持 MQTT、STOMP 等多种协议 采用 Erlang 编写 支持 SSL/SASL 认证和读写权限控制 |
| 服务可用性 | 采用集群部署，分区与多副本的设计，使用单代理宕机对服务无影响，且支持消息容量的线性提升 | 支持集群部署，集群代理数量有多种规格 |
| 其他 | 消息堆积 流量控制：支持 client 和 user 级别，通过主动设置可将流控作用于生产者或消费者 |
消息追踪 消息堆积 多租户 流量控制：流控基于 Credit-based 算法，是内部被动触发的保护机制，作用于生产者层面 |
总之，Kafka 采用拉取（Pull）方式消费消息，吞吐量相对更高，适用于海量数据收集与传递场景，例如日志采集和集中分析。
而 RabbitMQ 基于 Erlang 语言开发，不利于做二次开发和维护，适用于对路由、负载均衡、数据一致性、稳定性和可靠性要求很高，对性能和吞吐量要求没那么高的场景。
典型场景¶
Kafka 作为一款热门的消息队列中间件，具备高效可靠的消息异步传递机制，主要用于不同系统间的数据交流和传递，在企业解决方案、金融支付、电信、电子商务、社交、即时通信、视频、物联网、车联网等众多领域都有广泛应用。
-
异步通信
将业务中属于非核心或不重要的流程部分使用消息异步通知的方式发给目标系统，这样主业务流程无需同步等待其他系统的处理结果，从而达到系统快速响应的目的。
如网站的用户注册场景，在用户注册成功后，还需要发送注册邮件与注册短信，这两个流程使用 Kafka 消息服务通知邮件发送系统与短信发送系统，从而提升注册流程的响应速度。
-
错峰流控与流量削峰
在电子商务或大型网站中，上下游系统处理能力存在差异，处理能力高的上游系统的突发流量可能会对处理能力低的某些下游系统造成冲击，需要提高系统的可用性的同时降低系统实现的复杂性。 电商大促销等流量洪流突然来袭时，可以通过队列服务堆积缓存订单等信息，在下游系统有能力处理消息的时候再处理，避免下游订阅系统因突发流量崩溃。 消息队列提供亿级消息堆积能力，3 天的默认保留时长，消息消费系统可以错峰进行消息处理。
另外，在商品秒杀、抢购等流量短时间内暴增场景中，为了防止后端应用被压垮，可在前后端系统间使用 Kafka 消息队列传递请求。
-
日志同步
在大型业务系统设计中，为了快速定位问题，全链路追踪日志，以及故障及时预警监控，通常需要将各系统应用的日志集中分析处理。
Kafka 设计初衷就是为了应对大量日志传输场景，应用通过可靠异步方式将日志消息同步到消息服务，再通过其他组件对日志做实时或离线分析，也可用于关键日志信息收集进行应用监控。
日志同步主要有三个关键部分：日志采集客户端，Kafka 消息队列以及后端的日志处理应用。