kafka存储机制

@(博客文章)[storm|大数据]

kafka存储机制

大部分内容參考自：http://tech.meituan.com/kafka-fs-design-theory.html

基础知识请參考：http://www.lujinhong.com/kafka%E9%9B%86%E7%BE%A4%E5%8E%9F%E7%90%86%E4%BB%8B%E7%BB%8D.html

关于kafka中的time stamp与offset的关系，请參考：

（一）关键术语

复习一下几个基本概念，详见上面的基础知识文章。

Broker：消息中间件处理结点，一个Kafka节点就是一个broker，多个broker能够组成一个Kafka集群。
Topic：一类消息，比如page view日志、click日志等都能够以topic的形式存在。Kafka集群能够同一时候负责多个topic的分发。
Partition：topic物理上的分组。一个topic能够分为多个partition，每一个partition是一个有序的队列。
Segment：partition物理上由多个segment组成。以下有具体说明。
offset：每一个partition都由一系列有序的、不可变的消息组成，这些消息被连续的追加到partition中。partition中的每一个消息都有一个连续的序列号叫做offset,用于partition中唯一标识的这条消息。

分析过程分为以下4个步骤：

topic中partition存储分布
partiton中文件存储方式
partiton中segment文件存储结构
在partition中怎样通过offset查找message

通过上述4过程具体分析，我们就能够清楚认识到kafka文件存储机制的奥秘。

（二）topic中partition存储分布

如果实验环境中Kafka集群仅仅有一个broker。xxx/message-folder为数据文件存储根文件夹。在Kafka broker中server.properties文件配置(參数log.dirs=xxx/message-folder)。比如创建2个topic名称分别为report_push、launch_info, partitions数量都为partitions=4

存储路径和文件夹规则为：

xxx/message-folder

          |--report_push-0

          |--report_push-1

          |--report_push-2

          |--report_push-3

          |--launch_info-0

          |--launch_info-1

          |--launch_info-2

          |--launch_info-3

在Kafka文件存储中，同一个topic下有多个不同partition，每一个partition为一个文件夹，partiton命名规则为topic名称+有序序号，第一个partiton序号从0開始，序号最大值为partitions数量减1。

如果是多broker分布情况，请參考kafka集群partition分布原理分析

（三） partiton中文件存储方式

以下示意图形象说明了partition中文件存储方式:

每一个partion(文件夹)相当于一个巨型文件被平均分配到多个大小相等segment(段)数据文件里。

但每一个段segment file消息数量不一定相等，这样的特性方便old segment file高速被删除。（默认情况下每一个文件大小为1G）
每一个partiton仅仅须要支持顺序读写即可了。segment文件生命周期由服务端配置參数决定。

这样做的优点就是能高速删除无用文件。有效提高磁盘利用率。

（四） partiton中segment文件存储结构

读者从上节了解到Kafka文件系统partition存储方式。本节深入分析partion中segment file组成和物理结构。

segment file组成：由2大部分组成。分别为index file和data file，此2个文件一一相应，成对出现，后缀”.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開始，兴许每一个segment文件名称为上一个segment文件最后一条消息的offset值。

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。

以下文件列表是笔者在Kafka broker上做的一个实验，创建一个topicXXX包括1 partition，设置每一个segment大小为500MB,并启动producer向Kafka broker写入大量数据,例如以下图2所看到的segment文件列表形象说明了上述2个规则：

以上述图2中一对segment file文件为例。说明segment中index<—->data file相应关系物理结构例如以下：

上述图3中索引文件存储大量元数据，数据文件存储大量消息，索引文件里元数据指向相应数据文件里message的物理偏移地址。

当中以索引文件里元数据3,497为例，依次在数据文件里表示第3个message(在全局partiton表示第368772个message)、以及该消息的物理偏移地址为497。

从上述图3了解到segment data file由很多message组成，以下具体说明message物理结构例如以下：

keyword 解释说明

8 byte offset 在parition(分区)内的每条消息都有一个有序的id号，这个id号被称为偏移(offset),它能够唯一确定每条消息在parition(分区)内的位置。

即offset表示partiion的第多少message

4 byte message size message大小

4 byte CRC32 用crc32校验message

1 byte “magic” 表示本次公布Kafka服务程序协议版本号号

1 byte “attributes” 表示为独立版本号、或标识压缩类型、或编码类型。

4 byte key length 表示key的长度,当key为-1时，K byte key字段不填

K byte key 可选

value bytes payload 表示实际消息数据。

（五）在partition中怎样通过offset查找message

比如读取offset=368776的message，须要通过以下2个步骤查找。

第一步查找segment file

上述图2为例。当中00000000000000000000.index表示最開始的文件，起始偏移量(offset)为0.第二个文件00000000000000368769.index的消息量起始偏移量为368770 = 368769 + 1.相同，第三个文件00000000000000737337.index的起始偏移量为737338=737337 + 1。其它兴许文件依次类推。以起始偏移量命名并排序这些文件，仅仅要依据offset 二分查找文件列表，就能够高速定位到具体文件。

当offset=368776时定位到00000000000000368769.index|log
第二步通过segment file查找message

通过第一步定位到segment file，当offset=368776时。依次定位到00000000000000368769.index的元数据物理位置和00000000000000368769.log的物理偏移地址，然后再通过00000000000000368769.log顺序查找直到offset=368776为止。

从上述图3可知这样做的优点，segment index file採取稀疏索引存储方式，它降低索引文件大小。通过mmap能够直接内存操作，稀疏索引为数据文件的每一个相应message设置一个元数据指针,它比稠密索引节省了很多其它的存储空间，但查找起来须要消耗很多其它的时间。

（六）Kafka文件存储机制–实际执行效果

实验环境：

Kafka集群：由2台虚拟机组成

cpu：4核

物理内存：8GB

网卡：千兆网卡

jvm heap: 4GB

具体Kafka服务端配置及其优化请參考：kafka server.properties配置具体解释

从上述图5能够看出，Kafka执行时非常少有大量读磁盘的操作。主要是定期批量写磁盘操作。因此操作磁盘非常高效。

这跟Kafka文件存储中读写message的设计是息息相关的。Kafka中读写message有例如以下特点:

写message

消息从java堆转入page cache(即物理内存)。
由异步线程刷盘,消息从page cache刷入磁盘。

读message

消息直接从page cache转入socket发送出去。
当从page cache没有找到相应数据时，此时会产生磁盘IO,从磁

盘Load消息到page cache,然后直接从socket发出去

（七）总结

Kafka高效文件存储设计特点

Kafka把topic中一个parition大文件分成多个小文件段。通过多个小文件段，就easy定期清除或删除已经消费完文件。降低磁盘占用。
通过索引信息能够高速定位message和确定response的最大大小。
通过index元数据所有映射到memory，能够避免segment file的IO磁盘操作。
通过索引文件稀疏存储，能够大幅降低index文件元数据占用空间大小。