消息队列核心概念与选型对比
本章梳理消息队列的基础概念、主流产品对比与选型决策逻辑，帮助你在面试中快速建立知识框架。先通过一张概念表夯实基础，再用回答框架图掌握选型维度，最后用三个高频问答卡片实战演练。
| 核心概念 | 简要说明 | 面试高频点 |
|---|---|---|
| Topic | 消息的逻辑分类单元 | 分区与负载均衡策略 |
| Partition | 物理存储分片，并行写入/消费 | 顺序性 vs 并发性 |
| Consumer Group | 消费端逻辑分组，水平扩展 | 重复消费、幂等设计 |
| Offset | 分区内消费位置标记 | 自动/手动提交、回溯 |
| ACK 机制 | 消息确认与重试语义 | At-least-once / Exactly-once |
面试问答卡片 ①：核心概念
面试问题：请介绍消息队列的核心概念，并说明它们如何协同工作。
考察点：基础是否扎实，能否从生产者-消费者模型延伸出分区、偏移量等细节。
回答框架：生产者→Topic→Partition（分片+顺序）→Consumer Group（水平扩展+负载均衡）→Offset（消费进度管理）→ACK（确认与重试）。
示例回答：消息以Topic归类，每个Topic可拆为多个Partition实现并行写入。消费者按Group订阅，Group内每个Partition只能被一个消费者消费。Offset记录消费位置，ACK控制消息是否重发。整体形成高吞吐、可回溯的异步通信管道。
可能追问：Kafka的Partition和RocketMQ的Queue有何异同？Consumer rebalance过程是怎样的？
面试问答卡片 ②：产品对比
面试问题：请对比Kafka、RocketMQ、RabbitMQ、Pulsar的优劣势及适用场景。
考察点：对主流产品了解深度，能否从多个维度客观分析。
回答框架：先列对比维度（吞吐、延迟、可靠性、功能、生态），再分别说明各产品突出点，最后给出场景匹配建议。
示例回答：Kafka：百万级吞吐、消息堆积强，适合日志/大数据；RocketMQ：毫秒级延迟、事务与顺序消息成熟，适合金融/电商订单域；RabbitMQ：功能丰富、路由灵活，适合中小企业微服务；Pulsar：存算分离、多租户，适合云原生场景。选型需结合业务QoS和团队运维能力。
可能追问：Kafka和Pulsar在存储架构上的根本区别是什么？RocketMQ的事务消息如何实现最终一致性？
面试问答卡片 ③：选型决策
面试问题：假设一个电商订单系统需要确保消息不丢、严格顺序、支持事务，你会如何选型？请说明理由。
考察点：实际问题分析与取舍能力，能否将业务需求翻译成技术特性。
回答框架：需求拆解（可靠性→持久化+ACK、顺序→分区单写、事务→分布式事务支持）→匹配产品→评估运维成本→给出备选方案。
示例回答：订单场景要求“不丢”和“严格顺序”，首选RocketMQ：它原生支持事务消息和顺序写入，且社区活跃度高。如果公司已有Kafka集群且不想新增中间件，可改造为分区内顺序 + 自研事务表，但复杂度较高。同时需评估运维团队对Java/C++的熟悉度（RocketMQ为Java系）。
可能追问：如果订单量突然暴涨10倍，RocketMQ能否扛住？你会做哪些容灾策略？