【Kafka3.0】日志文件存储机制 segment
目录
kafka文件存储机制
Topic是逻辑上的概念，而partition是物理上的概念，每个 partition 对应于一个 log 文件，该 log 文件中存储的就是 Producer 生产的数据。Producer 生产的数据会被不断追加到该log文件末端，为防止 log 文件过大导致数据定位效率低下（不需要先查出来数据，直接往最后追加，也是kafka可以高效读写的原因之一），Kafka采取了分片和索引机制，将每个 partition 分为多个 segment。（segment默认大小为1GB）每个segment包括：“.index”文件、“.log”文件和.timeindex等文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号，例如：first-0、first-1、first-2。
1. 思考四个问题：
1.1 topic中 partition 存储分布
- 在Kafka文件存储中，同一个 topic 下有多个不同 partition，每个 partition 为一个目录，partition 命名规则为 topic名称+有序序号（序号从0开始)。
- 每个partition下面有多个segment。
1.2 partiton中文件存储方式
- 每个partition(目录)相当于一个巨型文件被平均分配到多个大小相等segment(段)数据文件中。但每个段segment file消息数量不一定相等，这种特性方便old segment file快速被删除。
- 每个partiton只需要支持顺序读写就行了，segment文件生命周期由服务端配置参数决定。
1.3 partiton中segment文件存储结构
- segment file 由 segment 索引文件、数据文件2部分组成，这两个文件一一对应，后缀是”.index”和“.log”，分别表示为segment索引文件、数据文件
- segment 文件命名规则：partion全局的第一个 segment 从0开始，后续每个 segment 文件名为上一个 segment 文件最后一条消息的 offset 值+1。数值最大为64位long大小，19位数字字符长度，没有数字用0填充。
1.4 在partition中如何通过offset查找message
- segment的索引文件命令规则：起始偏移量(offset)为0.后续每个segment文件名为上一个segment文件最后一条消息的offset值，所以，第二个文件00000000000000000522.index的文件名是上一个log中最大偏移量+1（521+1=522），其他后续文件依次类推，只要根据offset 二分查找 文件列表，就可以快速定位到具体文件。 当offset=600时定位到00000000000000000522.index|log，用index文件名上的数字+相对offset计算log文件中数据存在的位置，522+65=587，522+117=639，587 < 600 < 639，所以Offset=600的数据在position=6410的位置往下顺扫。
segment index file采取稀疏索引存储方式，不会为每条数据创建索引，大大的减少索了引文件大小。
2. kafka日志存储参数配置
| 参数 | 描述 |
|---|---|
| log.segment.bytes | Kafka 中 log 日志是分成一块块存储的，此配置是指 log 日志划分成块的大小，默认值 1G。 |
| log.index.interval.bytes | 稀疏索引间存储数据的大小，默认 4kb，kafka 里面每当写入了 4kb 大小的日志（.log），然后就往 index 文件里面记录一个索引。 |
