搜这个问题的人,通常已经有一个在跑的系统,要判断的是该不该换、或者新项目从哪个起步,而不是想读一篇消息中间件综述。可以先给一个能落地的判断口径:如果业务需要的是“一条消息按路由规则投给指定的几个消费者、单条确认、失败重投”,RabbitMQ 的模型更直接;如果业务需要的是“写进一条可回放的分区日志,多组消费者各自按位点读、能从头补数据”,Kafka 更贴合。两边都能做对方的事,但用错模型之后补出来的复杂度一般沉在业务代码里,而不是中间件配置里。
先别急着比吞吐。判断顺序建议是:确认手头实际在跑哪几个中间件(用客户端依赖和集群命令核对)→ 确认业务需要的是路由投递还是日志回放 → 再拿性能、成本、运维、上手四个口径分别量。RabbitMQ 适合按路由分发、单条 ack、延迟与死信重试为主的场景;Kafka 适合事件流、多消费组、需要回放和分区内有序的场景。两边的持久化和确认语义不同,不把 acks、publisher confirm、队列持久化这些参数拉平,任何吞吐对比都不成立。
RocketMQ和RabbitMQ和Kafka的区别
“RocketMQ和RabbitMQ和Kafka的区别”对应的是判断流程里的第二步:你本来只想在 RabbitMQ 和 Kafka 之间二选一,但团队里有人提了 RocketMQ,候选从两个变成三个。先确认这一步是不是真的需要三方比较,方法是看你的业务是否需要 RocketMQ 那几样模型能力——事务消息、定时/延迟消息、消息轨迹。这几项在 RabbitMQ 里要靠插件或 TTL+死信队列拼,在 Kafka 里要靠自建时间轮 topic 或外部调度。都不需要,就退回两方比较,别把问题扩大。
确认“我到底在跑哪几个”,用依赖和集群两侧核对,比翻文档快:
# 1. 代码侧:项目里实际引了哪些客户端
grep -rn "amqp-client\|spring-rabbit\|kafka-clients\|spring-kafka\|rocketmq" --include=pom.xml --include=build.gradle .
# 2. 集群侧:三个中间件各自的清点命令
rabbitmqctl list_queues name messages consumers
kafka-topics.sh --bootstrap-server 127.0.0.1:9092 --describe
mqadmin topicList -n 127.0.0.1:9876
三条命令的输出如果有两条是空的,就说明你实际只有一套在跑,候选名单里另一个只是“听说过”。这一步的结论决定后面要不要继续读三方对比。
RabbitMQ和Kafka:各自站在什么位置
RabbitMQ 站在“消息分发”这一侧:核心抽象是 exchange、queue、binding,生产者把消息发给 exchange,由绑定规则决定落到哪些队列,消费者从队列里取,逐条 ack。它擅长的场景是任务分发、按业务键路由、优先级队列、延迟消息加死信重试、以及消费端需要被精确控制节奏的作业流。可核对的口径是 RabbitMQ 管理面板的 Exchanges 页和 Bindings 页,能直接看到 exchange 类型(direct/topic/fanout/headers)和绑定关系;文档侧对应官方文档中 “AMQP 0-9-1 Model Explained” 那一章。
Kafka 站在“事件日志”这一侧:核心抽象是 topic、partition、offset,消息追加写入,消费者按 offset 主动拉取并提交位点,消息在保留期内不因消费而删除。它擅长的是日志、埋点、事件总线、跨团队多消费方、以及需要从头回放补数据的场景。可核对的口径是 kafka-topics.sh --describe 输出里的 PartitionCount 和 ReplicationFactor 两列,以及消费者组位点;文档侧对应官方文档 Topics and Logs / Design 那一部分。两边的差异不是快慢,而是“消息被消费后还在不在、谁来记住消费到哪”。
RabbitMQ和Kafka:性能、成本、运维、上手四个口径分开比
性能。不要用“听说 Kafka 更快”下判断。Kafka 侧用自带的 kafka-producer-perf-test.sh 与 kafka-consumer-perf-test.sh,RabbitMQ 侧用 rabbitmq-perf-test(参数 --producers --consumers --size --qos)。两边量的必须是同一档消息大小、同一种确认语义。量的时候固定:Kafka 的 acks 与副本数,RabbitMQ 的队列是否持久化、是否开 publisher confirm。任一边用最弱确认、另一边用最强确认,比出来的东西没有意义。
成本。云上两边计费项不一样:Kafka 类产品通常按实例规格加存储容量与保留时长计,保留越久磁盘越贵;RabbitMQ 类产品通常按实例规格计,堆积靠内存和磁盘共同扛。自建时更要算清 Kafka 的磁盘 = 分区数 × 副本数 × 保留时长内的数据量,可以用 kafka-configs.sh --describe --entity-type topics --entity-name <topic> 看 retention.ms 这类实际配置。具体单价与计费项以你所用云厂商控制台“产品定价/计费项”页面的当期说明为准,这一项会变,别用别人文章里的数字。
运维。RabbitMQ 管理面板的 Queues 页盯三列就够:messages ready、messages unacked、consumers。ready 一直涨说明消费跟不上,unacked 一直高说明消费者拿到消息不 ack 或者处理卡住。Kafka 用 kafka-consumer-groups.sh --bootstrap-server 127.0.0.1:9092 --describe --group <group>,看 CURRENT-OFFSET、LOG-END-OFFSET 和 LAG 三列,LAG 持续增长就是消费能力不足。两边共同的坑是:只盯 broker 健康而不盯堆积,故障往往先出现在堆积曲线上。

上手。RabbitMQ 要理解 exchange、queue、binding 三件套和 ack 语义;Kafka 要理解 topic、partition、offset 和 consumer group 再均衡。可以用最小 demo 的代码行数和本地跑通的步骤数来量,别用“感觉哪个简单”。一个容易踩的坑:把 Kafka 当成队列用,只建一个 partition 又开了多个消费者,结果并发上不去还以为是 Kafka 慢。
RabbitMQ和Kafka:什么情况选哪一边
按下面的顺序过一遍,比对着特性表打勾更省事:
- 先看消息消费后要不要留。要留、要回放、要给新接入的消费方补历史数据 → 走 Kafka 分支;消费完即销毁 → 继续往下。
- 看投递方式。一条消息要按规则分给不同队列、或者需要优先级和延迟重试 → 选 RabbitMQ。前置条件是:消费端能接受单条 ack 与失败重投,顺序只要求到队列级。
- 看消费方数量。多个团队、多个独立进度、各自位点 → 选 Kafka。前置条件是:能接受分区内有序而非全局有序,下游愿意按 consumer group 管理位点。
- 看是否需要事务消息或消息轨迹 → 这时才把 RocketMQ 拉进来做三方比较。
典型对应:订单状态流转、后台异步作业、需要延迟消息的提醒类业务,通常选 RabbitMQ;行为埋点、日志采集、跨系统事件总线、已有流处理链路的场景,通常选 Kafka。两者也可以并存,用 RabbitMQ 做业务命令、用 Kafka 做事件流,前提是团队能承担两套运维成本。
RabbitMQ和Kafka:一次能复现的对比做法
本地起两套,十分钟内能跑完。镜像标签以镜像仓库页面的当期列表为准,不要照抄某个固定版本号。
# RabbitMQ(带去管理面板)
docker run -d --name rmq -p 5672:5672 -p 15672:15672 rabbitmq:3-management
# Kafka(单节点 KRaft 模式,参数按镜像说明核对后使用)
docker run -d --name kafka -p 9092:9092 \
-e KAFKA_CFG_NODE_ID=0 \
-e KAFKA_CFG_PROCESS_ROLES=controller,broker \
-e KAFKA_CFG_CONTROLLER_QUORUM_VOTERS=0@localhost:9093 \
-e KAFKA_CFG_LISTENERS=PLAINTEXT://:9092,CONTROLLER://:9093 \
-e KAFKA_CFG_ADVERTISED_LISTENERS=PLAINTEXT://127.0.0.1:9092 \
-e KAFKA_CFG_CONTROLLER_LISTENER_NAMES=CONTROLLER \
bitnami/kafka
然后各压一轮。Kafka 侧先建 topic 再压,两边都用 1KB 消息、单生产单消费,跑 60 秒:
# Kafka
docker exec -it kafka kafka-topics.sh --bootstrap-server 127.0.0.1:9092 \
--create --topic perf --partitions 3 --replication-factor 1
docker exec -it kafka kafka-producer-perf-test.sh --topic perf \
--num-records 200000 --record-size 1024 --throughput -1 \
--producer-props bootstrap.servers=127.0.0.1:9092 acks=1
# RabbitMQ
docker run -it --rm --network host pivotalrabbitmq/perf-test \
--uri amqp://guest:guest@127.0.0.1:5672 --producers 1 --consumers 1 \
--size 1024 --qos 100 --time 60
预期输出的差异点:kafka-producer-perf-test 打的是 records/sec、MB/sec 和平均/分位延迟那几行,主要受 partition 数量影响,把 partitions 从 3 改成 6 再跑一轮就能看出趋势;perf-test 打的是发送与消费速率、以及延迟分布,主要受 qos、是否持久化、单队列绑定影响。同一个 A 系列机器上是同一档数据,跨机器或跨磁盘类型不要横向比较。
最后提醒一个坑:这轮对比只能说明两套模型在默认参数下的行为差别,不能当作线上容量结论。真实选型还要把你自己的消息大小分布、消费端处理耗时、以及保留策略放进去,用接近生产的数据规模再跑一次,结论才站得住。