# 云消息队列 Kafka 版 #
0
关注
10018内容
说说MQ在你项目中的应用(一)
本文总结了消息队列（MQ）在项目中的应用，主要围绕异步处理、系统解耦和流量削峰三大功能展开。通过分析短信通知和业务日志两个典型场景，介绍了MQ的实现方式及其优势。短信通知中，MQ用于异步发送短信并处理状态更新；业务日志中，Kafka作为高吞吐量的消息系统，负责收集和传输系统及用户行为日志，确保数据的可靠性和高效处理。MQ不仅提高了系统的灵活性和响应速度，还提供了重试机制和状态追踪等功能，保障了业务的稳定运行。
说说MQ在你项目中的应用(二)商品支付
本文总结了消息队列（MQ）在支付订单业务中的应用，重点分析了RabbitMQ的优势。通过异步处理、系统解耦和流量削峰等功能，RabbitMQ确保了支付流程的高效与稳定。具体场景包括用户下单、支付请求、商品生产和物流配送等环节。相比Kafka，RabbitMQ在低吞吐量、高实时性需求下表现更优，提供了更低延迟和更高的可靠性。
MQ四兄弟：如何保证消息可靠性
本文介绍了RabbitMQ、RocketMQ、Kafka和Pulsar四种消息中间件的可靠性机制。这些中间件通过以下几种方式确保消息的可靠传输：1. 消息持久化，确保消息在重启后不会丢失；2. 确认机制，保证消息从生产者到消费者都被成功处理；3. 重试机制，处理失败后的重试；4. 死信队列，处理无法消费的消息。每种中间件的具体实现略有不同，但核心思想相似，都是从生产者、中间件本身和消费者三个角度来保障消息的可靠性。
解读BASE理论：高可用性与性能的完美平衡
BASE理论是一种处理大规模分布式系统中数据一致性问题的思路，主要由基本可用、软状态和最终一致性三部分组成。基本可用强调系统在故障时仍能提供部分服务；软状态允许系统中的状态在一定时间内不一致；最终一致性保证所有数据副本最终会达到一致。这些特性使BASE理论适用于高可用性和性能要求较高的系统。
MQ四兄弟：如何保证消息顺序性
在分布式系统中，消息队列（MQ）是确保组件间高效通信的关键。RabbitMQ、RocketMQ、Kafka和Pulsar通过不同机制保证消息顺序性：RabbitMQ依赖单一队列和消费者模式；RocketMQ使用MessageQueueSelector；Kafka基于Partition和Key；Pulsar通过分区主题和键路由。这些系统的核心思想是将相同特征的消息发送到同一队列或分区，并按先进先出原则消费，从而确保消息顺序性。
2024最全Kafka集群方案汇总
Apache Kafka 是一个高吞吐量、可扩展、可靠的分布式消息系统，广泛应用于数据驱动的应用场景。Kafka 支持集群架构，具备高可用性和容错性。其核心组件包括 Broker（服务器实例）、Topic（消息分类）、Partition（有序消息序列）、Producer（消息发布者）和 Consumer（消息消费者）。每个分区有 Leader 和 Follower，确保数据冗余和高可用。Kafka 2.8+ 引入了不依赖 Zookeeper 的 KRaft 协议，进一步简化了集群管理。常见的集群部署方案包括单节点和多节点集群，后者适用于生产环境以确保高可用性。
消息队列 MQ 性能大揭秘
本文对比了RabbitMQ、RocketMQ、Kafka和Pulsar四款消息队列的性能。RabbitMQ的吞吐量为万级，延迟在低吞吐量时可低至微秒级；高吞吐量下延迟显著上升。RocketMQ官方宣称支持万亿级吞吐量，实际测试中可达百万级TPS，延迟为毫秒级。Kafka和Pulsar的吞吐量均为百万级，Kafka延迟低至2ms，Pulsar延迟约10ms。总体来看，Kafka在高吞吐量下表现最优，而RabbitMQ适合对速度与可靠性要求高的低吞吐量场景。
MQ四兄弟：如何实现延时消息
本文介绍了几种常见的消息队列系统（RabbitMQ、RocketMQ、Kafka和Pulsar）实现延时消息的方式。RabbitMQ通过死信队列或延时插件实现；RocketMQ内置延时消息支持，可通过设置`delayTimeLevel`属性实现；Kafka不直接支持延时消息，但可以通过时间戳、延时Topic、Kafka Streams等方法间接实现；Pulsar自带延时消息功能，提供`deliverAfter`和`deliverAt`两种方式。每种方案各有优劣，适用于不同的应用场景。
2024消息队列“四大天王”：Rabbit、Rocket、Kafka、Pulsar巅峰对决
本文对比了 RabbitMQ、RocketMQ、Kafka 和 Pulsar 四种消息队列系统，涵盖架构、性能、可用性和适用场景。RabbitMQ 以灵活路由和可靠性著称；RocketMQ 支持高可用和顺序消息；Kafka 专为高吞吐量和低延迟设计；Pulsar 提供多租户支持和高可扩展性。性能方面，吞吐量从高到低依次为
流存储Fluss：迈向湖流一体架构
本文整理自阿里云高级开发工程师罗宇侠在Flink Forward Asia 2024上海站的分享，介绍了湖流割裂的现状与挑战，Fluss湖流一体架构的设计与优势，以及未来规划。内容涵盖湖流割裂的现状、Fluss架构详解、湖流一体带来的收益，以及未来的生态扩展和技术优化。
免费试用