Kafka vs RabbitMQ: Bróker de mensajería — AprenderBigData.com
Apache Kafka vs RabbitMQ: dos brókers de mensajería muy populares para desacoplar el intercambio de mensajes entre las aplicaciones . En esta entrada vamos a explorar sus características y diferencias más importantes para poder tomar una decisión acertada al incorporar estas herramientas a nuestros sistemas.
¿Qué es un bróker de mensajería?
A medida que el volumen de datos a procesar por las organizaciones ha crecido, se han vuelto fundamentales los sistemas capaces de intercambiar mensajes de forma eficiente. Estos sistemas deben procesar los mensajes generados a una gran velocidad, que no para de crecer a medida que se incorporan millones de dispositivos a la red.
Estas tecnologías están dedicadas a procesar e intercambiar mensajes de datos entre aplicaciones. Además, hacen de mediador entre los sistemas, que no tienen por qué conocerse mutuamente. Esta característica reduce el acoplamiento y permite escalar el sistema de una forma más sencilla y potente.
Podemos resumir su función el los siguientes cuatro puntos:
- Enrutan los mensajes.
- Desacoplan los productores de mensajes de los consumidores.
- Organizan y comprueban los mensajes.
- Almacenan los mensajes.
Patrones de mensajería
Existen dos patrones de mensajería principales: Colas de mensajes y publicador-suscriptor. Vamos a explicar brevemente en qué consiste cada uno de ellos para entender mejor las diferencias que existen y cómo los implementan estas dos tecnologías.
Las colas de mensajes ofrecen la mejor oportunidad para escalar el procesamiento, la desventaja principal es que no aceptan varios suscriptores en cada cola.
El patrón de mensajería publicador-suscriptor permite transmitir eventos de forma asíncrona sin necesidad de emparejar los productores con los consumidores. También es capaz de difundir mensajes a grupos de consumidores, pero la escalabilidad es más complicada, al tener que gestionar un estado más complejo.
Echa un ojo a la lista de reproducción Introducción al Big Data
Originally published at https://aprenderbigdata.com on November 26, 2019.