kafka

明快de玄米61

Kafka：基于 Outbox 的可靠消息投递完整方案核心：生产者用 outbox 保证消息不丢，消费者用幂等表保证不重复，消费者死信全量搬运回原 topic。固定租约，不搞心跳，死信不落库。

消息队列入门：RabbitMQ 和 Kafka 到底怎么选，什么时候不该用消息队列不是银弹，硬塞进小项目里，你只是在给未来的自己增加一套要半夜爬起来修的分布式系统。大三做课设的时候，我把一个注册接口里"发邮件、写日志、推通知"全塞在同步调用里，结果邮件服务一抖，整个注册就 500。后来才明白，这种场景就该用消息队列。但这玩意儿到底什么时候该上、RabbitMQ 和 Kafka 又差在哪，我踩了半年才理清楚。这篇给初学者一个能直接照着选、照着跑的入门。

A.说学逗唱的Coke

【大模型专题】别再用 HTTP 直连 Agent 了：用 Kafka 承载 A2A 协议，从 PoC 走到生产2025 年 4 月，Google 发布了 Agent2Agent（A2A）协议，试图给「一个 Agent 怎么调用另一个 Agent」这件事定义一个公共语言。2025 年 6 月，A2A 被捐给 Linux Foundation 托管，摆脱了单一厂商的标签。到 2026 年初，A2A v1.0 正式发布，生态侧已经积累了 150 多个采纳组织、5 个官方 SDK（Python / Go / JavaScript / Java / .NET），GitHub 上相关仓库累计 22k+ stars。

用户53139731817

[Kafka源码揭秘] 消息写入全链路：网络IO与请求入队作为支撑每秒百万级吞吐的分布式消息系统，Kafka的高性能离不开一套设计精妙的网络通信架构。很多开发者在日常使用中只关注生产者的send API和消费者的poll方法，却很少深入了解一条消息从网络端口进入Broker后，是如何完成从字节流转业务请求的全流程。本文作为消息写入全链路系列的第一篇，将聚焦Broker端的SocketServer与RequestChannel核心组件，从源码层面拆解Kafka如何基于Reactor模式实现高效的网络请求接收、解析与入队，帮你彻底搞懂Kafka高性能网络层的设计奥秘

一个 Partition就是一个年级，一个消费者组占用1年级1班，另一个消费者组占用1年级2班，座位号（offset）可以相同，但班级号不同？你这个比喻有部分非常精确，但有一处关键偏了需要修正——"班级不同"暗示数据被分割了，但 Kafka 实际上是同一份数据多 Group 各自订阅。

Kafka 三节点集群：只订阅一个 broker 会丢消息吗？能用 VIP订阅吗？转载请注明出处：两个问题，一句话答案：这两个判断都来自同一个底层机制。理解了机制，两个问题其实是同一个问题。

Kafka 生产者消息丢失：ACK、重试与可靠发送生产者调用 send 方法，并不代表消息已经可靠写入 Kafka。网络抖动、Leader 切换、副本同步不足和错误的 ACK 配置，都可能让应用看到“已发送”，最终却找不到消息。本文重点拆解 ACK 机制，并通过 Spring Kafka 配置说明如何提高发送可靠性。

【中台·技术篇】消息队列中台：Kafka/RocketMQ 统一管理与多租户隔离消息队列是微服务间异步通信的核心。中台化后，多个业务线共用一套消息队列，如何隔离、如何管理、如何保证可靠性是关键。本篇讲解 Kafka 和 RocketMQ 的中台化建设。

程序员天天困

Kafka 接入 AI 的三条路线：MCP 提案、会话记忆与实时上下文大家好，我是程序员天天困。翻 Kafka 4.3 发布公告时我愣了一下：致谢名单里写着 Claude、Claude Sonnet 4.6 和 Copilot。一个消息队列的版本发布，贡献者里混进了 AI。不过 Kafka 接入 AI 真正值得聊的，不是让 AI 帮你写 Kafka 代码，而是给 AI 系统补上三类能力：操作 Kafka、记住上下文、实时处理数据。

云客服多渠道统一接入，消息队列技术实现方案摘要：云客服多渠道统一接入的消息队列实现方案，核心是"统一接入层 + 消息中间件 + 消费者处理层"三层架构。接入层将网页、APP、小程序、邮件、社交媒体等渠道消息标准化后投递至消息队列，处理层按业务类型消费，实现渠道解耦、削峰填谷与异步处理。本文给出架构分层、消息队列选型对比、Topic 与分区设计、接口对接规范、性能指标测算（附文档级出处）、可靠性保障、压测数据框架与监控排查方案，面向技术负责人提供可落地的工程实现参考。

Kafka 消费者消息丢失：Offset 原理与解决方案Kafka 消费者“丢消息”的根源，通常不是 Broker 把数据弄丢了，而是消费进度提交得过早：业务尚未处理成功，offset 却已经推进。本文从 Partition 与 Offset 的关系讲起，再结合 Spring Kafka 演示自动提交、手动确认及其适用边界。

Kafka 日消 10 亿场景：用 ConcurrentLinkedQueue 实现高性能批量消费缓冲针对日消 10 亿级别（峰值 3-5 万 TPS）的 Kafka 消费场景，使用 ConcurrentLinkedQueue（CLQ）替代 LinkedBlockingQueue 的核心目的是消除入队时的锁竞争。但 CLQ 是纯无锁非阻塞队列，没有原生的 drainTo 方法，因此“批量 Drain”需要自行实现。

【Kafka】消息队列学习（一）：为什么需要Kafka？从消息队列到整体架构在没有消息队列之前，两个系统之间最直接的通信方式通常就是：例如一个电商系统中，用户提交订单以后，需要执行：

风险特征系统 EPC 子系统：基于 Kafka 数据源与数据集配置的 Flink 指标清洗加工风险特征系统 EPC 子系统，是用于根据后管配置的接入的 Kafka 数据源信息和数据集信息清洗加工 Flink 指标的。它承担着从原始数据接入到最终指标产出的关键链路职责，是风险特征计算体系中的重要一环。

富士康质检员张全蛋

Kafka实战生产阶段消费阶段的拦截器拦截器作用在生产阶段，就是生产者发送一条消息给Kafka，Kafka收到了这样一条消息，接下来需要将这个消息带入到分区器里面进行分区，存入到指定的分区。

用 Akka Actor 模拟消费 Kafka 加工处理并发送到 Flink Out Kafka 的完整示例本文基于 Akka Actor 模型，演示如何模拟一条完整的 Kafka 消息处理流水线：从消费 Kafka 消息开始，经过加工处理，最终发送到名为 flink_out 的 Kafka 主题。示例使用 JDK 1.8 + Akka 2.5.11 + Scala 2.11，通过两个 ActorSystem 和两条 LookupEventBus 实现消息的解耦流转，完整复刻了真实项目中 DatasetServiceV2 / Planner / OutputServiceV2 的核心架构。

【Kafka】消息队列学习（二）：Topic、Partition与Offset，消息到底存在哪里上一篇介绍 Kafka 时，可以先把整个流程理解成：例如一个系统中可能存在：订单系统产生的消息发送到：

linux搭建kafka本文面向需要快速搭建 Kafka 开发环境的开发者。按照本文步骤操作，你可以在 10 分钟内完成 Kafka 与 Kafka UI 的部署，并立即开始消息的生产与消费调试。拉取

JAVA 高级进阶10篇《消息队列实战：RocketMQ/Kafka选型与“不丢不重有序“三连解》「Java高级技能提升系列」第10篇（全20篇）· 面向2026年中高级Java岗面试 · 专栏持续更新，欢迎关注