# 云消息队列 Kafka 版 #
0
关注
10043内容
IM系统的MQ消息中间件选型：Kafka还是RabbitMQ？
1、前言
在IM这种讲究高并发、高消息吞吐的互联网场景下，MQ消息中间件是个很重要的基础设施，它在IM系统的服务端架构中担当消息中转、消息削峰、消息交换异步化等等角色，当然MQ消息中间件的作用远不止于此，它的价值不仅仅存在于技术上，更重要的是改变了以往同步处理消息的思路（比如进行IM消息历史存储时，传统的信息系统作法可能是收到一条消息就马上同步存入数据库，这种作法在小并发量的情况下可以很好的工作，但互联网大并发环境下就是灾难）。
架构师之路-如何建立高可用消息中间件kafka
Kafka
一、熟悉kafka
l Server-1 broker其实就是kafka的server，因为producer和consumer都要去连它。Broker主要还是做存储用。
|
Apache RocketMQ QuickStart
RocketMQ作为一款分布式的消息中间件（阿里的说法是不遵循任何规范的，所以不能完全用JMS的那一套东西来看它），经历了Metaq1.x、Metaq2.x的发展和淘宝双十一的洗礼，在功能和性能上远超ActiveMQ。
|
从 Spark Streaming 到 Apache Flink : 实时数据流在爱奇艺的演进
本文将为大家介绍 Apache Flink 在爱奇艺的生产与实践过程。你可以借此了解到爱奇艺引入 Apache Flink 的背景与挑战，以及平台构建化流程。
|
Spark Streaming 数据清理机制
大家刚开始用Spark Streaming时，心里肯定嘀咕，对于一个7*24小时运行的数据，cache住的RDD,broadcast 系统会帮忙自己清理掉么？还是说必须自己做清理？如果系统帮忙清理的话，机制是啥？
|
Spark之殇
一个开源产品，用户才是自己的最关键的。用户只关注了一个新的版本有什么新的功能，解决了老的什么痛点，并且提高了多少稳定性和速度，如此而已。至于内核的重构，API的统一，这不能成为自己全身心去投入的事情。
|
Apache Flink fault tolerance源码剖析(一)
因某些童鞋的建议，从这篇文章开始结合源码谈谈Flink Fault Tolerance相关的话题。上篇官方介绍的翻译是理解这个话题的前提，所以如果你想更深入得了解Flink Fault Tolerance的机制，推荐先读一下前篇文章理解它的实现原理。
免费试用