kafka和rabbitMQ 高可用对比

（1）RabbitMQ的高可用性

 

RabbitMQ是比较有表明性的，由于是基于主从作高可用性的，咱们就以他为例子讲解第一种MQ的高可用性怎么实现。

 

rabbitmq有三种模式：单机模式，普通集群模式，镜像集群模式

 

1）单机模式

 

就是demo级别的，通常就是你本地启动了玩玩儿的，没人生产用单机模式

 

2）普通集群模式

 

意思就是在多台机器上启动多个rabbitmq实例，每一个机器启动一个。可是你建立的queue，只会放在一个rabbtimq实例上，可是每一个实例都同步queue的元数据。完了你消费的时候，实际上若是链接到了另一个实例，那么那个实例会从queue所在实例上拉取数据过来。

 

这种方式确实很麻烦，也不怎么好，没作到所谓的分布式，就是个普通集群。由于这致使你要么消费者每次随机链接一个实例而后拉取数据，要么固定链接那个queue所在实例消费数据，前者有数据拉取的开销，后者致使单实例性能瓶颈。

 

并且若是那个放queue的实例宕机了，会致使接下来其余实例就没法从那个实例拉取，若是你开启了消息持久化，让rabbitmq落地存储消息的话，消息不必定会丢，得等这个实例恢复了，而后才能够继续从这个queue拉取数据。

 

因此这个事儿就比较尴尬了，这就没有什么所谓的高可用性可言了，这方案主要是提升吞吐量的，就是说让集群中多个节点来服务某个queue的读写操做。

 

3）镜像集群模式

 

这种模式，才是所谓的rabbitmq的高可用模式，跟普通集群模式不同的是，你建立的queue，不管元数据仍是queue里的消息都会存在于多个实例上，而后每次你写消息到queue的时候，都会自动把消息到多个实例的queue里进行消息同步。

 

这样的话，好处在于，你任何一个机器宕机了，没事儿，别的机器均可以用。坏处在于，第一，这个性能开销也太大了吧，消息同步全部机器，致使网络带宽压力和消耗很重！第二，这么玩儿，就没有扩展性可言了，若是某个queue负载很重，你加机器，新增的机器也包含了这个queue的全部数据，并无办法线性扩展你的queue

 

那么怎么开启这个镜像集群模式呢？我这里简单说一下，避免面试人家问你你不知道，其实很简单rabbitmq有很好的管理控制台，就是在后台新增一个策略，这个策略是镜像集群模式的策略，指定的时候能够要求数据同步到全部节点的，也能够要求就同步到指定数量的节点，而后你再次建立queue的时候，应用这个策略，就会自动将数据同步到其余的节点上去了。

 

（2）kafka的高可用性

 

kafka一个最基本的架构认识：多个broker组成，每一个broker是一个节点；你建立一个topic，这个topic能够划分为多个partition，每一个partition能够存在于不一样的broker上，每一个partition就放一部分数据。

 

这就是自然的分布式消息队列，就是说一个topic的数据，是分散放在多个机器上的，每一个机器就放一部分数据。

 

实际上rabbitmq之类的，并非分布式消息队列，他就是传统的消息队列，只不过提供了一些集群、HA的机制而已，由于不管怎么玩儿，rabbitmq一个queue的数据都是放在一个节点里的，镜像集群下，也是每一个节点都放这个queue的完整数据。

 

kafka 0.8之前，是没有HA机制的，就是任何一个broker宕机了，那个broker上的partition就废了，无法写也无法读，没有什么高可用性可言。

 

kafka 0.8之后，提供了HA机制，就是replica副本机制。每一个partition的数据都会同步到吉他机器上，造成本身的多个replica副本。而后全部replica会选举一个leader出来，那么生产和消费都跟这个leader打交道，而后其余replica就是follower。写的时候，leader会负责把数据同步到全部follower上去，读的时候就直接读leader上数据便可。只能读写leader？很简单，要是你能够随意读写每一个follower，那么就要care数据一致性的问题，系统复杂度过高，很容易出问题。kafka会均匀的将一个partition的全部replica分布在不一样的机器上，这样才能够提升容错性。

 

这么搞，就有所谓的高可用性了，由于若是某个broker宕机了，没事儿，那个broker上面的partition在其余机器上都有副本的，若是这上面有某个partition的leader，那么此时会从新选举一个新的leader出来，你们继续读写那个新的leader便可。这就有所谓的高可用性了。

 

写数据的时候，生产者就写leader，而后leader将数据落地写本地磁盘，接着其余follower本身主动从leader来pull数据。一旦全部follower同步好数据了，就会发送ack给leader，leader收到全部follower的ack以后，就会返回写成功的消息给生产者。（固然，这只是其中一种模式，还能够适当调整这个行为）

 

消费的时候，只会从leader去读，可是只有一个消息已经被全部follower都同步成功返回ack的时候，这个消息才会被消费者读到。

 

实际上这块机制，讲深了，是能够很是之深刻的，可是我仍是回到咱们这个课程的主题和定位，聚焦面试，至少你听到这里大体明白了kafka是如何保证高可用机制的了，对吧？不至于一无所知，现场还能给面试官画画图。要赶上面试官确实是kafka高手，深挖了问，那你只能说很差意思，太深刻的你没研究过。

 

可是你们必定要明白，这个事情是要权衡的，你如今是要快速突击常见面试题体系，而不是要深刻学习kafka，要深刻学习kafka，你是没那么多时间的。你只能确保，你以前也许压根儿不知道这块，可是如今你知道了，面试被问到，你大概能够说一说。而后不少其余的候选人，也许还不如你，没看过这个，被问到了压根儿答不出来，相比之下，你还能说点出来，大概就是这个意思了。