优点： 1.高并发。实测es单机分配10g内存单实例，写入能力1200qps，60g内存、12核CPU起3个实例预计可达到6000qps。 2.同机房单条数据写入平均3ms（比mysql慢，mg不清楚） 3.容错能力比mg强。
创新互联于2013年成立，是专业互联网技术服务公司，拥有项目网站建设、成都网站建设网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元奉新做网站,已为上家服务,为奉新各地企业和个人服务,联系电话:13518219792
首先说RabbitMQ，RabbitMQ是使用Erlang编写的一个开源的消息队列，本身支持很多的协议：AMQP，XMPP, SMTP, STOMP，也正因如此，它非常重量级，更适合于企业级的开发。同时实现了Broker构架，这意味着消息在发送给客户端时先在中心队列排队。对路由，负载均衡或者数据持久化都有很好的支持。
其次是Redis，Redis是一个基于Key-Value对的NoSQL数据库，开发维护很活跃。虽然它是一个Key-Value数据库存储系统，但它本身支持MQ功能，所以完全可以当做一个轻量级的队列服务来使用。对于RabbitMQ和Redis的入队和出队操作，各执行100万次，每10万次记录一次执行时间。测试数据分为128Bytes、512Bytes、1K和10K四个不同大小的数据。实验表明：入队时，当数据比较小时Redis的性能要高于RabbitMQ，而如果数据大小超过了10K，Redis则慢的无法忍受；出队时，无论数据大小，Redis都表现出非常好的性能，而RabbitMQ的出队性能则远低于Redis。
3.3 ZeroMQ
ZeroMQ号称最快的消息队列系统，尤其针对大吞吐量的需求场景。ZeroMQ能够实现RabbitMQ不擅长的高级/复杂的队列，但是开发人员需要自己组合多种技术框架，技术上的复杂度是对这MQ能够应用成功的挑战。ZeroMQ具有一个独特的非中间件的模式，你不需要安装和运行一个消息服务器或中间件，因为你的应用程序将扮演这个服务器角色。你只需要简单的引用ZeroMQ程序库，可以使用NuGet安装，然后你就可以愉快的在应用程序之间发送消息了。但是ZeroMQ仅提供非持久性的队列，也就是说如果宕机，数据将会丢失。其中，Twitter的Storm 0.9.0以前的版本中默认使用ZeroMQ作为数据流的传输（Storm从0.9版本开始同时支持ZeroMQ和Netty作为传输模块）。
3.4 ActiveMQ
ActiveMQ是Apache下的一个子项目。 类似于ZeroMQ，它能够以代理人和点对点的技术实现队列。同时类似于RabbitMQ，它少量代码就可以高效地实现高级应用场景。
3.5 Kafka/Jafka
Kafka是Apache下的一个子项目，是一个高性能跨语言分布式发布/订阅消息队列系统，而Jafka是在Kafka之上孵化而来的，即Kafka的一个升级版。具有以下特性：快速持久化，可以在O(1)的系统开销下进行消息持久化；高吞吐，在一台普通的服务器上既可以达到10W/s的吞吐速率；完全的分布式系统，Broker、Producer、Consumer都原生自动支持分布式，自动实现负载均衡；支持Hadoop数据并行加载，对于像Hadoop的一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka通过Hadoop的并行加载机制统一了在线和离线的消息处理。Apache Kafka相对于ActiveMQ是一个非常轻量级的消息系统，除了性能非常好之外，还是一个工作良好的分布式系统。
上图中一个topic配置了3个partition。Partition1有两个offset：0和1。Partition2有4个offset。Partition3有1个offset。副本的id和副本所在的机器的id恰好相同。
如果一个topic的副本数为3，那么Kafka将在集群中为每个partition创建3个相同的副本。集群中的每个broker存储一个或多个partition。多个producer和consumer可同时生产和消费数据。
大数据技术的体系庞大且复杂，基础的技术包含数据的采集、数据预处理、分布式存储、数据库、数据仓库、机器学习、并行计算、可视化等。
1、数据采集与预处理：FlumeNG实时日志收集系统，支持在日志系统中定制各类数据发送方，用于收集数据；Zookeeper是一个分布式的，开放源码的分布式应用程序协调服务，提供数据同步服务。
2、数据存储：Hadoop作为一个开源的框架，专为离线和大规模数据分析而设计，HDFS作为其核心的存储引擎，已被广泛用于数据存储。HBase，是一个分布式的、面向列的开源数据库，可以认为是hdfs的封装，本质是数据存储、NoSQL数据库。
3、数据清洗：MapReduce作为Hadoop的查询引擎，用于大规模数据集的并行计算。
4、数据查询分析：Hive的核心工作就是把SQL语句翻译成MR程序，可以将结构化的数据映射为一张数据库表，并提供HQL(HiveSQL)查询功能。Spark启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。
5、数据可视化：对接一些BI平台，将分析得到的数据进行可视化，用于指导决策服务。
何玩转 NoSQL数据库作者：IT专家中国 Weather公司CIO Bryson Koehler整理MongoDBRiakCassandra等NoSQL数据库特性指其重要特性NoSQL限制住 Weather公司致力于气报告气预报业务其并缺乏数据缺乏数据管理工具需要三种同NoSQL数据库 近我向Weather 公司CIO Bryson Koehler提疑问除公司CIO,Bryson Koehler其业务单元孵化者,包括Weather ChannelWeatherFXWeather UndergroundIntellicast等Weather公司每获取处理着约二0万亿字节数据外提供前全球气状况并航空公司紧中国服务货运商公用事业保险及线气中国站气应用程序用户提供气预报服务每需求增加数十亿气数据请求并且预期响应间要一0毫秒左右 RiakWeather 公司台NoSQL数据库服务于公司事务性存储公用中国络(SUN)数据获取平台运行亚马逊中国络服务(AWS)用区域并每一5频率捕获超二0亿气象数据信息所Riak具明确处理规模该公司使用Cassandra及新近添加MongoDB数据库Weather中国 IOSAndroid移应用程序服务 Weather 公司使用同产品Koehler解释说同工具同优势 Cassandra服务于Weather 公司及全球消费者使用第三气应用API数据：我数据发平台每秒处理数十万事务我发现Cassandra用于全球发数据棒解决案并且[数据库]读取面体现高用性 本质全球各消费者所使用数据服务包括Weather 公司第三气应用程序 MongoDB提供Weather中国中国站移应用程序间层缓存功能：离我核API我没全部Weather中国内容所MongoDB容器发站Weather中国及AndroidiOS移应用程序服务Mongo处些处基于其内建JSON格式及灵性 Riak用于消费气象数据观测包括自世界各图片视频等：我喜Riak其优秀数据摄取能力且种全球布式式实现于全球布式平台获取数据入站式数据库真靠选择 我曾听说DatastaxBashoCouchbase高管贬低MongoDB扩展性MongoDB指向规模部署Facebook超二00万台移设备应用程序提供支持eHarmony公司MongDB每处理着数十亿潜比赛预约据Koehle所述MongoDBWeather中国Weather中国移应用程序处理着每十亿交易毫疑问通配置部署Mongo处理批量交易数据 尽管Koehler承认乐于看MongoDB继续使全球集群位置[功能]更加缝化且易于使用 些属于全球性布式集群复制负载平衡CassandraRiak众所周知功能 规模讨论角度看少公司达Weather公司经营规模易于发架构灵性JSON数据处理使MongoDB世界流行NoSQL数据库微软IBM都进行MongoDB模仿微软Azure DocumentDBIBM CloudantCassandraRiak Weather公司三NoSQL标准降低至两程巩固Koehler说公司没准备做 由于我构造由许同数据解决案组中国状结构我目前环境已于复杂说我希望给团队些自由空间让我解所选择利弊看些整合 候迁移件难事关于NoSQL数据库重要事情困其 Koehler说架构编码确数据库迁移另并难随着模式自由及数据转存技术发展论前者key-value存储或其形式转储数据都十容易 特定产品进程自定义编码复杂存储程已经复返Koehler说关于结构化编码确需要考虑?做避免特殊供应商提供工具功能能让身陷其举亚马逊中国络服务(AWS)消息服务例 必让服务云运行解释说部署自RabbitMQ环境陷于其所原先部署AWS 应用程序转部署谷歌计算云服务论数据平台存储环境或云计算环境都要别让自局限仅由供应商提供范围空间内 转
Mq通道和队列属于辅助的关系，他们两个需要共同建立才可以更好的作用。
扩展资料
一个队列管理器可以有多个队列和多个通道。
队列管理器相当于RabbitMQ中的虚拟主机。
队列分为本地队列，远程队列，传输队列。
通道分为发送通道、接收通道、服务器通道等等。
发送到本地队列上的消息存储在本机上。
发送到远程队列上的消息，通过绑定传输队列传输到别的队列管理器上的本地队列上存储。
通道为消息进出队列的渠道桥梁，发送通道只能出，接收通道只能进，服务器通道可以进出。
本地例子：
发送消息===Java程序===服务器通道===本地队列===服务器通道===Python程序===收到消息
两家公司各自服务器AB例子：
公司A发送消息===Java程序===服务器通道A===远程队列A传输队列A发送通道A接收通道B本地队列B===服务器通道B===Python程序===公司B收到消息===响应===响应消息发送===Python程序===服务器通道B===远程队列B传输队列B发送通道B接收队列A本地队列A===服务器通道A===Java程序===公司A收到响应消息
