消息模型篇：Topic、Queue、Partition 与 Consumer Group
理解消息队列，关键是理解 Topic、Queue、Partition、Consumer Group 和 Offset 如何共同决定投递、并发和顺序。
技术文章、实现记录与项目复盘。
栏目
按年份
Kafka 篇：日志、分区、Offset 与高吞吐
Kafka 的核心不是传统队列，而是分布式提交日志。它通过分区、顺序追加、批量 IO 和消费者 Offset 支撑高吞吐数据流。
RabbitMQ、RocketMQ 与 Pulsar 对比：业务消息队列怎么选
RabbitMQ、RocketMQ、Pulsar 都能处理消息，但它们的设计重心不同：路由、业务消息、云原生分层架构分别是关键词。
消息可靠性篇：如何保证消息不丢、不乱、不重复
消息可靠性不是一句 MQ 保证就够了，它需要生产者确认、Broker 持久化、消费者 Ack、幂等处理和补偿机制一起工作。
事务消息与最终一致性：订单、支付、库存如何用 MQ 串起来
事务消息解决的是本地事务与消息发送之间的一致性问题，最终一致性则依赖幂等、补偿和对账收敛。
延迟消息与定时任务：订单超时取消应该怎么做
延迟消息适合业务触发后的未来动作，但订单超时取消这类场景还需要状态校验、幂等和补偿扫描。
消息队列选型指南：Kafka、RocketMQ、RabbitMQ、Pulsar 怎么选
消息队列选型不要只看吞吐，还要看业务语义、消费模型、延迟、顺序性、事务能力、运维成本和团队经验。
电商下单链路中的消息队列设计
电商下单链路里的消息队列要服务异步解耦、库存协同、支付回调、超时关闭、通知和报表，同时保证幂等与补偿。
Kafka + Flink 实时数据链路设计
Kafka + Flink 是实时数据链路里的经典组合，Kafka 负责承接数据流，Flink 负责清洗、窗口计算和状态处理。