深入了解Kafka【二】工作流程及文件存储机制

1、Kafka工作流程

Kafka中的消息以Topic进行分类，生产者与消费者都是面向Topic处理数据。

Topic是逻辑上的概念，而Partition是物理上的概念，每个Partition分为多个Segment,每个Segment对应两个文件，一个索引文件，一个日志文件。Producer生产的数据会被不断的追加到日志文件的末端，且每条数据都有自己的offset。消费组中的每个Consumer都会实时记录自己消费到了哪个offset，以便出错恢复时，从上次的位置继续消费。

2、文件存储机制

由于Producer产生的消息会不断的追加到日志文件的末尾，这样将对消息文件的维护以及以消费的消息的清理带来严重的影响，因此，Kafka引入的分片和索引的设计。每个Partition对应一个文件夹；“topic名称分区序号”。每个Partition分为多个Segment,Segment分为两类文件：“.index”索引文件与“.log”数据文件，其中索引文件和数据文件都在Partition对应的文件夹中。

假设test-topic有3个分区，则对应的文件夹名称为：test-topic-0、test-topic-1、test-topic-2。

partition文件夹下文件形如：

00000000000000000000.index

00000000000000000000.log

00000000000000170410.index

00000000000000170410.log

00000000000000239430.index

00000000000000239430.log

可以看到有索引文件与数据文件，有3个Segment。

这两个文件的命令规则为：Partition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，数值大小为64位，20位数字字符长度，没有数字用0填充。

以Segment文件的详细内容：

图中，索引文件存储的元数据指向数据文件中的message的物理偏移地址。

3、从partition中通过offset查找message

以上图为例，读取offset=170418的消息，首先查找segment文件，其中00000000000000000000.index 为最开始的文件，第二个文件为 00000000000000170410.index（起始偏移为 170410 1=170411），而第三个文件为 00000000000000239430.index（起始偏移为 239430 1=239431），所以这个 offset=170418 就落到了第二个文件之中。其它后续文件可以依次类推，以其偏移量命名并排列这些文件，然后根据二分查找法就可以快速定位到具体文件位置。其次根据 00000000000000170410.index 文件中的 [8,1325] 定位到 00000000000000170410.log 文件中的 1325 的位置进行读取。要是读取 offset=170418 的消息，从 00000000000000170410.log 文件中的 1325的位置进行读取，那么，如何确定何时读完本条消息呢？

这个问题由消息的物理结构解决，消息都具有固定的物理结构，包括：offset（8 Bytes）、消息体的大小（4 Bytes）、crc32（4 Bytes）、magic（1 Byte）、attributes（1 Byte）、key length（4 Bytes）、key（K Bytes）、payload（N Bytes）等等字段，可以确定一条消息的大小，即读取到哪里截止。

参考

深入浅出理解基于 Kafka 和 ZooKeeper 的分布式消息队列

巴特西

深入了解Kafka【二】工作流程及文件存储机制

1、Kafka工作流程

2、文件存储机制

3、从partition中通过offset查找message

参考

最新文章

热门文章