# 云消息队列 Kafka 版 #
0
关注
10066内容
Kafka、RabbitMQ、RocketMQ 消息中间件的对比 | 消息发送性能篇
消息中间件性能究竟哪家强? 带着这个疑问，我们消息队列测试小组对常见的三类消息产品(Kafka、RabbitMQ、RocketMQ)做了性能比较。
基于 Tablestore 的大数据分析 Lambda 架构 - 云原生、弹性、流批一体
背景
Tablestore 启发自 Google 的 Bigtable 论文，从2009年开始，在阿里云的飞天团队内，开始萌发。经过10年的锤炼，如今在集团内，云上积累了各式各样的客户和场景。
|
MongoShake——基于MongoDB的跨数据中心的数据复制平台
MongoShake是基于MongoDB的通用型平台服务，作为数据连通的桥梁，打通各个闭环节点的通道。通过MongoShake的订阅消费，可以灵活对接以适应不同场景，例如日志订阅、数据中心同步、监控审计等。其中，集群数据同步作为核心应用场景，能够灵活实现灾备和多活的业务场景。
|
你的分布式应用真的需要那么多同步调用么？
在5月17日举办的2016云栖大会·武汉峰会上阿里中间件产品专家马雷（阿仁）就阿里中间件MQ做了精彩的演讲，告诉大家：阿里中间件团队的目标是让消息“传”无边界。本文也就为什么使用消息中间件，消息中间件的核心场景进行了分享。相信阿仁的分享会让大家对分布式应用的异步调用有更加深刻的了解。精彩不要错过！
PostgreSQL "物联网"应用 - 1 实时流式数据处理案例(万亿每天)
物联网的特点是万物联网，会产生大量的数据。
例如 ：
一盒药，从生产，到运输，到药店，到售卖。每流经一个节点，都会记录它的信息。
又如 ：
健康手环，儿童防丢手表，一些动物迁徙研究的传感器（如中华鲟），水纹监测，电网监测，煤气管道监测，气象监测等等这些信息。
股价的实时预测。
车流实时
Kafka vs RocketMQ ——消息及时性对比
引言
在前几期的消息中间件对比中，我们为Kafka和RocketMQ设定了几个性能场景（单机系统可靠性、多Topic对性能稳定性的影响以及Topic数量对单机性能的影响），这些场景大都是以服务端的吞吐能力为对比焦点。这一期，我们将从客户端的角度出发，为大家带来Kafka和RocketMQ消息及时性
结构化大数据分析平台设计
前言
任何线上系统都离不开数据，有些数据是业务系统自身需要的，例如系统的账号，密码，页面展示的内容等。有些数据是业务系统或者用户实时产生的，例如业务系统的日志，用户浏览访问的记录，系统的购买订单，支付信息，会员的个人资料等。
Flume+Kafka+Flink+Redis构建大数据实时处理系统：实时统计网站PV、UV展示
1.大数据处理的常用方法
大数据处理目前比较流行的是两种方法，一种是离线处理，一种是在线处理，基本处理架构如下：
在互联网应用中，不管是哪一种处理方式，其基本的数据来源都是日志数据，例如对于web应用来说，则可能是用户的访问日志、用户的点击日志等。
开源技术精粹：深入解析阿里消息中间件RocketMQ
不久前，阿里宣布将开源RocketMQ 捐赠给 Apache 基金会，成为 Apache 孵化项目。想深入了解RocketMQ特性？想知道捐赠背后那些鲜为人知的故事？想看看业界主流MQ的性能对比？想知道商用版和开源版如何协同？云栖社区特别专题带你一睹详情。
免费试用