Kafka原理浅析-根据时间戳查询消息

一、前言

近日被问到Kafka根据时间戳是如何进行消息查询的，整理一圈下来后，发现涉及一些知识点，因此总结此文

二、消息落盘

要想了解kafka是如何根据时间戳查询消息的，那就需先了解消息是如何落盘的。把场景聚焦在这个点上的话，涉及的文件有3个：

• xxxxxxxx.log
• xxxxxxxx.index
• xxxxxxxx.timeindex

可以拿我本机中topic2第0号partition举例：

xxxxxxxx.log文件不用多说，这个属于Kafka的SOT（Source Of True），消息的header、body均存储在这个文件

xxxxxxxx.index 文件，就是大名鼎鼎的稀疏索引了，它的entry是由<offset, physicalPosition>组成的，也就是位点+其对应的文件物理位置；所谓稀疏，是指并不是每条消息都会生成一条这样的索引记录，而是xxxxxxxx.log文件每写入4K（磁盘都是4K对齐的）的数据，便会生成一条稀疏索引

xxxxxxxx.timeindex 文件，就是时间索引了，它的entry是由<timestamp, offset>组成的，也就是时间戳+位点。值得一提的是，时间索引的生成频率与稀疏索引是完全对齐的

简单贴一段索引的生成代码，可以看到这两个索引要么不写入，要么就一起写入

// 类路径： kafka/log/LogSegment.scala

// append an entry to the index (if needed)
if (bytesSinceLastIndexEntry > indexIntervalBytes) {
  offsetIndex.append(largestOffset, physicalPosition)
  timeIndex.maybeAppend(maxTimestampSoFar, offsetOfMaxTimestampSoFar)
  bytesSinceLastIndexEntry = 0
}

三、根据时间查询

查询的时候，就要用到这两个索引文件，当然这两个文件肯定不能精确定位目标消息，但是其可以帮助粗略定位

1. 查询.timeindex文件，根据目标时间戳，查询第一个比目标时间戳小的索引（因为时间戳是升序的，因此此处使用二分查找高效定位），从而可获取到这个索引的位点信息 offsetMin
2. 使用这个 offsetMin 位点查询.index文件，因为index索引文件也是根据offset升序的，同样使用二分查找获取对应的文件物理 position
3. 通过 position 信息查询 .log 文件，逐步向后读取，直到找到第一个与目标时间戳相等或大于目标时间差的消息，而后返回其位点

总结：本文粗枝大叶地将按照时间戳查询消息的流程过了一遍，很多细节没有展开（尤其是涉及文件操作的），希望可以帮助大家对其有个整体概念及认识