网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
一、系统设计与组件构成
1.1 RocketMQ
- RocketMQ的系统设计更偏向于队列模型,提供了丰富的消息队列语义,如顺序消息、事务消息和定时消息等。
- 它主要由NameServer、Broker、Producer和Consumer组成。NameServer负责服务注册与发现,Broker负责存储消息,Producer和Consumer分别负责发送和消费消息。
- 此外,RocketMQ还支持Filter Server组件,用于支持消息过滤功能。这种设计使得RocketMQ在处理复杂业务逻辑时更加灵活。
1.2 Kafka
- 相比之下,Kafka的系统设计更偏向于日志模型,强调数据的顺序性和持久性。
- 它主要由Producer、Consumer、Broker和ZooKeeper(或KRaft)组成。Producer和Consumer分别负责发送和消费消息,Broker负责存储消息,ZooKeeper(或KRaft)负责协调管理。
- Kafka的Broker是无状态的,可以独立处理请求,并通过ZooKeeper(或KRaft)进行协调管理。这种设计使得Kafka在处理高吞吐量日志数据时更加高效。
二、数据流向与扩展性
2.1 RocketMQ
- 在RocketMQ中,数据从Producer发送到Broker,Consumer从Broker拉取数据进行消费。
- RocketMQ支持消息的Tag过滤和SQL过滤,可以在Broker端进行消息过滤。
- 此外,RocketMQ还支持事务消息和顺序消息,可以确保数据的强一致性和有序性。
- 在扩展性方面,RocketMQ支持Broker的横向扩展,通过增加Broker节点来提高系统的吞吐量和可用性。
- 同时,RocketMQ还支持Topic和Queue的灵活配置,可以根据业务需求进行动态调整。
2.2 Kafka
- 在Kafka中,数据从Producer发送到Broker的特定Partition,Consumer从Broker的Partition拉取数据进行消费。
- Kafka支持按照Key进行消息分区,确保相同Key的消息发送到同一个Partition。
- 在扩展性方面,Kafka的Broker是无状态的,可以方便地进行横向扩展,提高系统的吞吐量和可用性。
- 同时,Kafka支持Partition的动态调整,可以通过增加Partition数量来提高系统的并行处理能力。
三、容错性与一致性
3.1 RocketMQ
- RocketMQ采用主从复制机制来提高容错性。当Master出现故障时,Slave可以自动升级为Master继续提供服务。
- 同时支持Dledger多副本机制,进一步提高系统的容错性。
- 在一致性方面,RocketMQ通过主从复制和顺序消息机制保证数据的一致性和有序性。
- 此外,RocketMQ还支持消息的幂等性处理,避免重复消费导致的数据不一致问题。
3.1 Kafka
- Kafka则通过ISR机制保证数据的可靠性和一致性。当Leader出现故障时,Follower可以通过选举成为新的Leader继续提供服务。
- Kafka还支持多副本存储和Min.ISR配置,确保数据的可靠性和容错性。
- 在一致性方面,Kafka通过ISR机制和分区顺序性保证数据的一致性和有序性。
- 同时支持Exactly-Once语义,确保分布式环境下的消息幂等性。
- 此外,Kafka还通过日志压缩功能减少存储空间占用并提高查询效率。
四、总结与展望
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
讲解视频,并且后续会持续更新**