kafka Log 存储解析以及索引机制

2023-03-29
江西
本文字数：2610 字
阅读完需：约 9 分钟

本文设置到的配置项有

首先启动 kafka 集群,集群中有三台 Broker; 设置 3 个分区,3 个副本;

1 发送 topic 消息

启动之后kafka-client发送一个 topic 为消息szz-test-topic的消息

    public static void main(String[] args) {        Properties props = new Properties();        props.put("bootstrap.servers", "xxx1:9092,xxx2:9092,xxx3:9092");        props.put("acks", "all");        props.put("retries", 0);        props.put("batch.size", 16384);        props.put("linger.ms", 1);        props.put("buffer.memory", 33554432);        props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");        props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");        Producer<String, String> producer = new KafkaProducer<>(props);        for(int i = 0; i < 5; i++){            producer.send(new ProducerRecord<String, String>("szz-test-topic", Integer.toString(i), Integer.toString(i)));        }        producer.close();    }

复制代码

发送了之后可以去log.dirs路径下看看

这里的 3 个文件夹分别代表的是 3 个分区; 那是因为我们配置了这个 topic 的分区数num.partitions=3; 和备份数offsets.topic.replication.factor=3; 这 3 个文件夹中的 3 个分区有Leader有Fllower; 那么我们怎么知道谁是谁的 Leader 呢？

2 查看 topic 的分区和副本

bin/kafka-topics.sh  --describe --topic szz-test-topic --zookeeper localhost:2181

复制代码

可以看到查询出来显示分区 Partition-0在broker.id=0中,其余的是副本Replicas 2,1 分区 Partition-1在broker.id=1中,其余的是副本Replicas 0,2...

或者也可以通过 zk 来查看leader在哪个 broker 上

 get /brokers/topics/src-test-topic/partitions/0/state

复制代码

[zk: localhost:2181(CONNECTED) 0] get /brokers/topics/szz-test-topic/partitions/0/state{"controller_epoch":5,"leader":0,"version":1,"leader_epoch":0,"isr":[0,1,2]}cZxid = 0x1001995bf

复制代码

3 分区文件都有啥

进入文件夹看到如下文件:

在这里插入图片描述

我们试试多发送一些消息,看它会不会生成新的 segment

public static void main(String[] args) {        Properties props = new Properties();        props.put("bootstrap.servers", "xxx1:9092,xxx2:9092,xxx3:9092");        props.put("acks", "all");        props.put("retries", 0);        props.put("batch.size", 163840);        props.put("linger.ms", 10);        props.put("buffer.memory", 33554432);        props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");        props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        Producer<String, String> producer = new KafkaProducer<>(props);        for(int i = 0; i < 1200; i++){            //将一个消息设置大一点            byte[] log = new byte[904800];            String slog = new String(log);            producer.send(new ProducerRecord<String, String>("szz-test-topic",0, Integer.toString(i),  slog));        }        producer.close();    }

复制代码

在这里插入图片描述

从图中可以看到第一个 segment 文件00000000000000000000.log快要满log.segment.bytes的时候就开始创建了00000000000000005084.log了;并且.log和.index、.timeindex文件是一起出现的; 并且名称是以文件第一个 offset 命名的

.log 存储消息文件
.index 存储消息的索引
.timeIndex，时间索引文件，通过时间戳做索引

消息文件

上面的几个文件我们来使用 kafka 自带工具bin/kafka-run-class.sh 来读取一下都是些啥bin/kafka-run-class.sh kafka.tools.DumpLogSegments --files 00000000000000000000.log

最后一行:

baseoffset:5083  position: 1072592768  CreateTime: 1603703296169

复制代码

.index 消息索引

bin/kafka-run-class.sh kafka.tools.DumpLogSegments --files 00000000000000000000.index

最后一行:

offset:5083  position:1072592768

复制代码

.timeindex 时间索引文件

bin/kafka-run-class.sh kafka.tools.DumpLogSegments --files 00000000000000000000.timeindex

最后一行:

timestamp: 1603703296169 offset: 5083

复制代码

Kafka 如何查找指定 offset 的 Message 的

找了个博主的图 @lizhitao

比如：要查找绝对 offset 为 7 的 Message：

首先是用二分查找确定它是在哪个 LogSegment 中，自然是在第一个 Segment 中。
打开这个 Segment 的 index 文件，也是用二分查找找到 offset 小于或者等于指定 offset 的索引条目中最大的那个 offset。自然 offset 为 6 的那个索引是我们要找的，通过索引文件我们知道 offset 为 6 的 Message 在数据文件中的位置为 9807。
打开数据文件，从位置为 9807 的那个地方开始顺序扫描直到找到 offset 为 7 的那条 Message。

Kafka 中的索引文件，以稀疏索引(sparse index)的方式构造消息的索引，它并不保证每个消息在索引文件中都有对应的索引项。每当写入一定量（由 broker 端参数 log.index.interval.bytes 指定，默认值为 4096，即 4KB）的消息时，偏移量索引文件和时间戳索引文件分别增加一个偏移量索引项和时间戳索引项，增大或减小 log.index.interval.bytes 的值，对应地可以缩小或增加索引项的密度。

稀疏索引通过 MappedByteBuffer 将索引文件映射到内存中，以加快索引的查询速度。