我的 Kafka 旅程 - 文件存储机制

存储机制

Topic在每个Broker下存储所属的Partition，Partition下由 Index、Log 两类文件组成。

写入

Log 由多个Segment文件组成，每个Segment文件容量最多为1GB，接收到的新消息永远是以追加的方式于Segment中(只追加不修改的方式减少了查询的消耗)，每个消息有自增编号。

查询

Index 文件仅记录固定消息量的索引编号范围，Kafka在查询时，先从Index中定位到小范围的索引编号区间，再去Log中在小范围的数据块中查询具体数据，此索引区间的查询方式称为 - 稀疏索引。

高效读写

• 分布式、多分区、各线程并行处理
• 稀疏索引 - 小范围快速定位要消费的数据
• 数据文件，只追加不修改的顺序写方式（利用了物理磁盘的优势）
• 缓存技术 - 大量减少IO（由系统层面负责IO动作）
• 零拷贝技术 - 解放CPU，大量减少数据块的Copy，数据直接从磁盘到网卡送出（利用了操作系统的技术）

文件清理

过期时长

# 数据文件过期时长配置项，三选一
log.retention.hours			# 小时，默认7天
log.retention.minutes			# 分钟
log.retention.ms			# 毫秒
# 删除的容量警戒值，默认-1无穷大
log.retention.bytes
# 检查过期间隔，默认5分钟
log.retention.check.interval.ms

清理方式

log.cleanup.policy = delect | compact

delect

1、以Segment文件最后一条消息的时间为删除依据，删除整个Segment文件。

2、以Log文件总大小，以 log.retention.bytes 的配置为准，删除最早的Segment文件。

compact

对于相同的key，仅保留最后一次的value，所有数据启用压缩策略（offset的id就不会连续，后续说明）。