在银行日志分析系统项目中，如何进行消息中间件的选型？

推荐使用kafka，关于为什么楼上已经把kafka优点写出来了，我这里不在做赘述。
还有补充的一点是：kafka非常稳定，并且使用了顺序写，以及零拷贝机制，可以让吞吐量上升到一个很高的级别。heap 给到 4G以上，就可以支持日上T日志量。还有就是比起其他的一些消息队列很轻量了。
另外楼上说 日志分析系统有着较高的实时性要求 其实大多数情况下不是这样的。就冲大多数企业使用ES来看这个实时性并没有要求那么高。

在日志分析的系统建设当中，其中消息中间件是非常关键的环节，因为日志分析系统有着较高的实时性要求，因此现在业界在日志分析系统中消息中间件的第一选择是kafka，主要基于以下几点原因：
首先Kafka有着高吞吐量、低延迟：kafka每秒可以处理几十万条消息，它的延迟最低只有几毫秒，每个topic可以分多个partition, consumer group 对partition进行consume操作。
可扩展性：kafka集群支持热扩展，方便系统出现瓶颈时平滑扩展。
消息持久性、可靠性：日志数据支持被持久化到本地磁盘，这样可以在后端消费者出现瓶颈的时候将数据缓存备份，从而防止数据丢失
容错性：允许集群中部分节点失败（若副本数量为n,则允许n-1个节点失败）。
高并发：支持数千个客户端同时读写，这样对于前端我们的日志采集节点也就没有了数量限制。
但是随着消息中间件的种类越来越多，现在据说有部分应用场景可以使用阿里巴巴的rocketMQ来替换kafka承担一部分工作，也建议大家尝试去了解、对比和研究。