010|Kafka、RabbitMQ、RocketMQ 怎么选:从实际业务需求出发
从订单事件、日志与 CDC、长任务、超时提醒、流量削峰和小团队六类场景出发,先明确一致性、回放、并发与维护约束,再选择消息队列,并给出最小验证方法。
从订单事件、日志与 CDC、长任务、超时提醒、流量削峰和小团队六类场景出发,先明确一致性、回放、并发与维护约束,再选择消息队列,并给出最小验证方法。
围绕 Python SimpleConsumer 解释消息获取、不可见时间、逐条 ACK 与同组并发,通过多个进程和失败窗口理解重投及业务幂等。
从 CommitLog、消费索引和消费组进度理解 RocketMQ 如何保存、定位和清理消息,并区分 ACK、本地刷盘、副本复制与可回放窗口。
用 Python 5.x 客户端跑通 RocketMQ 一发一收,认识 Topic、Queue、消费组与 Proxy,明确发送确认、业务落库和消费 ACK 的边界。
分清竞争消费与独立订阅,理解 Prefetch 对未确认投递的限制,再用独立进程扩展 Python 短任务消费者,检查线程、心跳、顺序和业务幂等的边界。
从单节点 classic queue 拆解拓扑持久、消息持久、发布确认和副本的不同责任,再区分 quorum queues 与 streams,设计可复现的重启与确认实验。
用 Python 和 Pika 跑通 RabbitMQ 的生产、路由与手动确认,分清 Exchange、Queue、发布确认和消费 ACK,并通过无路由、坏消息和依赖故障观察边界。
用多进程消费与提交前失败实验解释 Kafka 拉取、消费组分配和并发上限,识别位点越过失败消息、重复窗口与线程池乱序的风险。
从分区目录、日志段、稀疏索引与消费位点理解 Kafka 存储,区分消费完成、页缓存写入和持久化,并用独立学习 Topic 观察保留与清理。
用固定版本的 Kafka 与 Python SDK 跑通一发一收,认识 Topic、Partition、Offset 和消费组,明确发送确认、手动提交及重复处理的最小边界。