不同的消息队列有什么区别？Kafka、RabbitMQ、RocketMQ、Pulsar、ActiveMQ 选型对比

不同的消息队列有什么区别？Kafka、RabbitMQ、RocketMQ、Pulsar、ActiveMQ 选型对比

在后端开发中，只要系统规模稍微大一些，就很容易遇到消息队列（Message Queue，简称 MQ）。

例如：

• 用户下单后异步发送短信
• 支付成功后通知积分、库存、物流系统
• 将日志发送到大数据平台
• 秒杀流量削峰
• 服务之间异步解耦
• 延迟关闭未支付订单

很多刚接触消息队列的人会有一个疑问：

Kafka、RabbitMQ、RocketMQ、Pulsar、ActiveMQ 都是消息队列，它们到底有什么区别？

它们都能完成“发送消息、存储消息、消费消息”这件事，但设计目标并不完全相同。

有的更偏向高吞吐事件流，有的更偏向业务消息和复杂路由，有的专门强化了顺序消息、延迟消息、事务消息，还有的更偏向云原生和多租户场景。

这篇文章就把这些常见 MQ 一次讲清楚。

一、消息队列到底解决什么问题？

在比较不同 MQ 之前，先理解为什么需要消息队列。

假设现在有一个订单服务，用户支付成功后需要执行：

如果订单服务同步调用所有系统，那么其中任何一个服务变慢，都可能拖慢整个支付流程。

加入消息队列以后，可以变成：

订单服务 -> 消息队列 -> 库存服务
-> 积分服务
-> 短信服务
-> 物流服务

订单服务只需要把“订单支付成功”这个事件发送出去，后面的服务自己消费消息。

这就是消息队列最常见的几个作用。

1. 异步

原本需要同步等待的操作，可以交给消费者异步完成。

例如发送短信并不是支付接口必须立即完成的事情，因此可以异步执行。

2. 解耦

订单服务不需要知道积分服务、短信服务和物流服务的具体实现。

只要发布一条消息即可。

以后增加新的消费者，也不一定需要修改订单服务。

3. 削峰

假设秒杀活动瞬间产生大量请求，数据库无法同时处理。

可以先把请求放入消息队列，再让消费者按照系统能够承受的速度逐步处理。

二、常见消息队列有哪些？

目前后端开发中经常会遇到：

• Kafka
• RabbitMQ
• RocketMQ
• Pulsar
• ActiveMQ

先看一张整体定位图。

可以先记一个非常粗略的结论：

注意，这张表不是说某个 MQ 只能做某一种事情，而是它们各自最典型的设计方向不同。

三、Kafka

Kafka 与传统“消息队列”的思路有一点不同。

它更准确地说是一套分布式事件流平台。

Kafka 中最重要的几个概念是：

• Producer
• Topic
• Partition
• Broker
• Consumer
• Consumer Group
• Offset

消息发送到 Topic 后，会落到不同的 Partition 中。

例如：

Topic: order-events

Partition 0: M1 M4 M7 …
Partition 1: M2 M5 M8 …
Partition 2: M3 M6 M9 …

消费者通过 Consumer Group 并行消费不同 Partition。

Kafka 最大的特点：吞吐能力强

Kafka 的架构非常适合持续写入大量事件，因此经常被用于：

• 日志采集
• 用户行为埋点
• CDC 数据同步
• 数据管道
• 实时流处理
• 大数据平台
• 事件驱动架构

例如：

业务系统
↓
Kafka
↓
Flink / Spark / Elasticsearch / 数据仓库

Kafka 的顺序性

Kafka 并不是整个 Topic 全局有序。

Kafka 能够保证的是：

同一个 Partition 内的消息保持顺序。

因此，如果订单事件必须按照顺序处理，通常需要让同一个订单 ID 的消息进入同一个 Partition。

例如：

orderId = 10001

创建订单
↓
支付成功
↓
订单发货
↓
订单完成

只要这些事件始终进入同一个 Partition，就可以利用 Partition 内的顺序性。

Kafka 的缺点

Kafka 虽然吞吐能力很强，但并不是所有业务都适合它。

例如业务只需要非常灵活的消息路由时，RabbitMQ 的 Exchange 模型通常更加直观。

Kafka 的 Partition、Consumer Group、Offset、Rebalance 等概念也会带来一定学习和运维成本。

四、RabbitMQ

RabbitMQ 是非常经典的消息代理（Message Broker）。

RabbitMQ 的核心模型通常是：

Producer
↓
Exchange
↓
Queue
↓
Consumer

这里最重要的一个组件就是 Exchange。

Producer 通常不是简单地把消息直接交给某个消费者，而是发送给 Exchange，再由 Exchange 根据路由规则把消息投递到一个或多个 Queue。

RabbitMQ 最大的特点：路由能力强

RabbitMQ 常见的 Exchange 类型包括：

• Direct
• Fanout
• Topic
• Headers

例如一个订单事件：

order.created

可以通过不同的 routing key，把消息发送给不同的队列。

这种模型非常适合：

• 订单通知
• 邮件发送
• 短信发送
• 异步任务
• 工作队列
• 复杂业务路由

RabbitMQ 的确认机制

RabbitMQ 对业务消息的确认、重新投递、死信等机制支持非常成熟。

因此很多传统业务系统会选择 RabbitMQ 处理：

一条消息代表一个需要被可靠处理的业务任务。

例如：

发送优惠券
发送短信
生成报表
执行异步任务

RabbitMQ 的缺点

如果业务目标是处理持续的大规模事件流、日志流或数据管道，Kafka 往往更符合这种架构思路。

RabbitMQ 更像一个“消息路由和任务分发中心”，Kafka 更像一条可持续保存和回放的“事件日志”。

五、RocketMQ

RocketMQ 是 Apache 下的分布式消息和流平台，在 Java 后端、电商、交易系统中非常常见。

如果学习的是 Spring Boot、微服务、电商系统，RocketMQ 非常值得重点了解。

RocketMQ 的一个重要特点是：

它针对业务消息提供了很多直接可用的能力。

例如：

• 普通消息
• 顺序消息
• 延迟消息
• 事务消息

1. 顺序消息

例如一个订单必须按照下面的顺序处理：

创建订单
↓
支付订单
↓
发货
↓
确认收货

RocketMQ 提供 FIFO / 顺序消息相关机制，可以让属于同一消息组的消息按照发送顺序进行存储和消费。

2. 延迟消息

电商中非常经典的场景就是：

用户下单后 30 分钟仍未支付，自动关闭订单。

可以把关闭订单的消息设置为延迟消息。

创建订单
↓
发送延迟消息
↓
等待指定时间
↓
检查订单是否支付
↓
未支付 -> 关闭订单

3. 事务消息

例如：

数据库订单状态更新成功
+
订单支付成功消息发送成功

如果数据库更新成功，但是 MQ 消息没有发送出去，就可能产生数据不一致。

RocketMQ 的事务消息就是为这种场景设计的重要能力之一。

因此 RocketMQ 特别常见于：

• 电商
• 订单系统
• 支付系统
• 金融业务
• 分布式业务事件

六、Pulsar

Pulsar 与 Kafka 有一些相似之处：

它不仅仅是传统队列，也定位于分布式消息和流处理场景。

Pulsar 比较有代表性的特点包括：

• 多租户
• 存储与服务层分离的架构思路
• 跨地域复制
• Topic 数量规模扩展
• 消息队列与事件流统一
• 分层存储

因此 Pulsar 经常更适合平台型系统。

例如公司内部有多个业务团队：

租户 A
├─ 订单 Topic
├─ 支付 Topic
└─ 库存 Topic

租户 B
├─ 日志 Topic
├─ 用户 Topic
└─ 推荐 Topic

如果需要统一构建企业内部的消息平台，多租户和资源隔离能力就非常有价值。

Pulsar 的问题

Pulsar 的架构能力很强，但相应地系统组件、部署和运维理解成本也可能更高。

如果只是一个规模不大的普通业务系统，没有必要因为“功能多”就优先选择 Pulsar。

七、ActiveMQ

ActiveMQ 是一个历史比较悠久的 Java 消息中间件，在传统 Java 企业项目中非常常见。

它支持多种协议和 Java 消息生态，尤其经常与 JMS 联系在一起。

典型场景包括：

• 传统 Java EE 系统
• JMS 项目
• 企业应用集成
• 已经存在大量 ActiveMQ 基础设施的老项目

如果维护的是比较早的 Java 企业系统，很可能会看到 ActiveMQ。

对于新项目来说，则通常还会同时评估 RabbitMQ、RocketMQ、Kafka、Pulsar，以及 ActiveMQ 项目下更现代的 Artemis 等方案，再根据具体需求决定。

八、Kafka 和 RabbitMQ 最大的区别是什么？

这是面试和学习中最常见的问题之一。

可以先这样理解：

RabbitMQ 更强调“把一条业务消息正确地路由、投递给消费者”。

Kafka 更强调“持续记录一条事件流，并让消费者按照自己的进度读取”。

因此二者核心模型也不同。

RabbitMQ

Producer
↓
Exchange
↓
Queue
↓
Consumer

重点在：

• Exchange
• Routing Key
• Queue
• ACK
• Dead Letter

Kafka

Producer
↓
Topic
↓
Partition
↓
Consumer Group
↓
Offset

重点在：

• Topic
• Partition
• Consumer Group
• Offset
• Event Log

如果一定要用一句话记：

RabbitMQ 更像任务分发系统，Kafka 更像分布式事件日志。

这个理解虽然不是完整定义，但非常适合快速建立直觉。

九、Kafka 和 RocketMQ 怎么选？

这两个也是 Java 后端中非常容易被比较的 MQ。

如果业务主要是：

• 日志
• 埋点
• 大数据
• 实时计算
• 流式数据处理
• CDC

一般优先考虑 Kafka。

如果业务主要是：

• 订单
• 支付
• 电商
• 延迟消息
• 顺序业务消息
• 事务消息

RocketMQ 往往更贴近业务模型。

例如：

日志采集 -> Kafka

订单支付事件 -> RocketMQ

当然，这并不意味着 Kafka 不能处理订单，也不意味着 RocketMQ 不能做高吞吐场景。

这里只是在讨论更典型的使用方向。

十、RabbitMQ 和 RocketMQ 怎么选？

如果系统更加看重：

• 灵活路由
• Exchange
• 工作队列
• 多种消息协议
• 中小型业务异步任务

可以重点考虑 RabbitMQ。

如果更加看重：

• 顺序消息
• 延迟业务
• 事务消息
• 大型 Java / 电商业务

可以重点考虑 RocketMQ。

十一、五种 MQ 核心区别总结

这里的“吞吐倾向”只是架构层面的相对理解，并不是固定性能数据。

实际性能会受到：

• 硬件
• 消息大小
• 副本数量
• 持久化策略
• ACK 策略
• 网络
• 消费方式
• 集群规模

等大量因素影响。

因此不能简单理解成“Kafka 一定比 RabbitMQ 快多少倍”。

十二、实际项目到底怎么选？

可以参考下面这张图。

场景一：日志、埋点、大数据

优先考虑：

Kafka

例如：

Spring Boot
↓
Kafka
↓
Flink
↓
Elasticsearch

场景二：普通业务异步任务

优先考虑：

RabbitMQ

例如：

用户注册
↓
RabbitMQ
↓
邮件服务
短信服务

场景三：电商订单、支付

优先考虑：

RocketMQ

尤其业务需要：

• 顺序消息
• 延迟消息
• 事务消息

时非常合适。

场景四：超大规模云原生消息平台

可以重点评估：

Pulsar

特别是存在：

• 多租户
• 跨地域
• 大量 Topic
• 平台化消息服务

等需求时。

场景五：老 Java / JMS 项目

可能继续使用：

ActiveMQ

如果是全新项目，则没有必要因为 ActiveMQ 历史悠久就直接选它，应该重新根据业务需求评估。

十三、不要只看“性能”选 MQ

很多人在选消息队列时喜欢问：

哪个 MQ 性能最高？

其实这不是最重要的问题。

真正需要考虑的是：

例如一个普通后台系统，每秒只有少量业务消息，却为了追求“高吞吐”搭建一套复杂的大规模消息平台，反而可能增加系统复杂度。

因此 MQ 选型永远应该是：

业务需求优先，而不是性能参数优先。

十四、最终怎么记？

如果只想快速记住五种 MQ，可以记下面这五句话。

Kafka

大数据、日志、事件流，优先想到 Kafka。

RabbitMQ

普通业务消息、异步任务、复杂路由，优先想到 RabbitMQ。

RocketMQ

Java 电商、订单、延迟、顺序、事务消息，优先想到 RocketMQ。

Pulsar

云原生、多租户、跨地域、大规模消息平台，重点考虑 Pulsar。

ActiveMQ

传统 Java / JMS 存量系统，经常能够看到 ActiveMQ。

十五、总结

Kafka、RabbitMQ、RocketMQ、Pulsar、ActiveMQ 都可以完成消息传递，但它们的设计重点并不相同。

对于大多数 Java 后端开发者来说，学习顺序可以是：

RabbitMQ / RocketMQ
↓
理解业务消息队列
↓
Kafka
↓
理解事件流和大数据场景
↓
Pulsar
↓
理解云原生、大规模消息平台

真正掌握 MQ 的关键，并不是背诵谁的吞吐量最高，而是理解：

不同消息队列为什么会采用不同的架构，以及这种架构解决了什么业务问题。

当你能够根据业务场景判断应该使用 Kafka、RabbitMQ 还是 RocketMQ 时，才算真正理解了消息队列的选型。

参考资料

• Apache Kafka 官方文档：https://kafka.apache.org/documentation/
• RabbitMQ 官方文档：https://www.rabbitmq.com/docs
• Apache RocketMQ 官方文档：https://rocketmq.apache.org/docs/
• Apache Pulsar 官方文档：https://pulsar.apache.org/docs/
• Apache ActiveMQ 官方网站：https://activemq.apache.org/