Jak se Kafka liší od tradičních message queue?

Question

Accepted Answer

Kafka se od tradičních message queue (jako RabbitMQ) liší v klíčových aspektech — je to **distribuovaný log**, který **uchovává события** (místo jejich smazání při konzumaci), podporuje **replay**, nabízí velmi vysokou propustnost a používá pull-based model založený na oddílech. Pochopení těchto rozdílů objasňuje, kdy použít kterou technologii.

## Klíčové rozdíly

```text
TRADITIONAL QUEUE (e.g. RabbitMQ) → messages are typically DELETED once consumed:
  → a message goes to a consumer and is removed (transient)
  → push-based often; rich routing; per-message acknowledgment
KAFKA → a durable, retained LOG of events:
  → events are STORED (retained for a period), NOT deleted on consumption
  → multiple consumers/groups can read the SAME events independently
  → REPLAY → re-read past events (rewind to any offset)
  → pull-based; partition-based ordering and scaling; very high throughput
```

## Srovnání

```text
                   Traditional Queue       Kafka
Model              message queue           distributed event LOG
After consumption  message removed         retained (replayable)
Replay             generally no            YES (re-read from any offset)
Multiple readers   competing consumers     many independent groups read all
Throughput         high                    VERY high (millions/sec)
Ordering           varies                  per-partition
Use                task queues, RPC        event streaming, pipelines, high-volume
```

## Kdy použít kterou technologii

```text
KAFKA → event streaming, high-volume data, multiple consumers of the same stream, replay,
  data pipelines, event sourcing, real-time analytics
TRADITIONAL QUEUE → task/job queues, complex routing, request/reply, lower volume,
  per-message workflows
→ they overlap but suit different needs; choose by the use case.
```

## Proč je to důležité

Pochopení toho, jak se Kafka liší od tradičních message queue, je cenné, protože **objasňuje Kafkin charakteristický model a kdy ji použít místo tradičního queue**, a je proto důležité pro výběr správného nástroje.

Kafka a tradičníqueue (jako RabbitMQ) jsou oba messaging systémy, ale fungují zcela jinak, a pochopení rozdílů je důležité pro správné využití.

**Klíčové rozdíly** se soustředí na to, že Kafka je **odolný, uchovávaný log** místo přechodné fronty: tradičníqueue obvykle **smažou zprávy po konzumaci** (přechodné, zprávy jdou ke konzumentovi a jsou odstraněny), zatímco Kafka **uchovává události** (uložené na dobu, nejsou smazány při konzumaci), což umožňuje **více konzumentů/skupin číst stejné události nezávisle na sobě** a **replay** (opětovné čtení minulých událostí z libovolného offsetu) — charakteristické Kafkiny schopnosti.

Kafka také nabízí velmi vysokou propustnost a používá pull-based model založený na oddílech.

Pochopení **srovnání** (queue vs distribuovaný log, zpráva smazána vs uchovávaná/opakovatelná, bez replay vs replay, konkurující si konzumenti vs nezávislé skupiny, vysoká vs velmi vysoká propustnost) objasňuje fundamentální rozdíly.

Pochopení **kdy použít kterou technologii** je praktická hodnota: **Kafka** pro event streaming, vysokoobjemová data, více konzumentů stejného streamu, replay, data pipelines, event sourcing a real-time analýzy; **tradičníqueue** pro task/job queue, komplexní routing, request/reply, nižší objem a workflows na úrovni jednotlivých zpráv.

Přiznání, že se překrývají, ale vyhovují různým potřebám (a výběr na základě use case) odráží zdravý úsudek.

Toto srovnání je běžně diskutované a důležité pro výběr správné messaging technologie.

Protože se Kafka výrazně liší od tradičníchqueue (uchovávaný log vs přechodná fronta, replay, více nezávislých čtenářů, velmi vysoká propustnost) a pochopení těchto rozdílů objasňuje kdy použít kterou, a protože je důležité zvolit správný messaging nástroj, pochopení toho jak se Kafka liší od tradičníchqueue je cenné, prakticky relevantní znalost — objasňující Kafkin charakteristický model event-log a její rozdíly od tradičníchqueue (uchovávání, replay, propustnost), důležité pro výběr správného nástroje pro konkrétní use case, a běžně diskutované srovnání v messaging a architektuře.