Kafka学习总结(一)——Kafka的message存储数据结构

逃离我推掉我的手 2022-05-27 12:54 550阅读 0赞

参考资料：[https://blog.csdn.net/gongxinju/article/details/72672375][https_blog.csdn.net_gongxinju_article_details_72672375] 以后继续深入总结。

Kafka中的Message是以topic为基本单位组织的，不同的topic之间是相互独立的。每个topic又可以分成几个不同的partition(每个topic有几个partition是在创建topic时指定的)，每个partition存储一部分Message。借用官方的一张图，可以直观地看到topic和partition的关系。

![Anatomy of a Topic][]

partition是以文件的形式存储在文件系统中，比如，创建了一个名为page\_visits的topic，其有5个partition，那么在Kafka的数据目录中(由配置文件中的log.dirs指定的)中就有这样5个目录: page\_visits-0， page\_visits-1，page\_visits-2，page\_visits-3，page\_visits-4，其命名规则为<topic\_name>-<partition\_id>，里面存储的分别就是这5个partition的数据。

接下来，本文将分析partition目录中的文件的存储格式和相关的代码所在的位置。

## 3.1、Partition的数据文件 ##

Partition中的每条Message由offset来表示它在这个partition中的偏移量，这个offset不是该Message在partition数据文件中的实际存储位置，而是逻辑上一个值，它唯一确定了partition中的一条Message。因此，可以认为offset是partition中Message的id。partition中的每条Message包含了以下三个属性：

*  offset
 *  MessageSize
 *  data

其中offset为long型，MessageSize为int32，表示data有多大，data为message的具体内容。它的格式和[Kafka通讯协议][Kafka]中介绍的MessageSet格式是一致。

Partition的数据文件则包含了若干条上述格式的Message，按offset由小到大排列在一起。它的实现类为FileMessageSet，类图如下：  
![FileMessageSet类图][FileMessageSet]  
它的主要方法如下：

*  append: 把给定的ByteBufferMessageSet中的Message写入到这个数据文件中。
 *  searchFor: 从指定的startingPosition开始搜索找到第一个Message其offset是大于或者等于指定的offset，并返回其在文件中的位置Position。它的实现方式是从startingPosition开始读取12个字节，分别是当前MessageSet的offset和size。如果当前offset小于指定的offset，那么将position向后移动LogOverHead+MessageSize（其中LogOverHead为offset+messagesize，为12个字节）。
 *  read：准确名字应该是slice，它截取其中一部分返回一个新的FileMessageSet。它不保证截取的位置数据的完整性。
 *  sizeInBytes: 表示这个FileMessageSet占有了多少字节的空间。
 *  truncateTo: 把这个文件截断，这个方法不保证截断位置的Message的完整性。
 *  readInto: 从指定的相对位置开始把文件的内容读取到对应的ByteBuffer中。

我们来思考一下，如果一个partition只有一个数据文件会怎么样？

1.  新数据是添加在文件末尾（调用FileMessageSet的append方法），不论文件数据文件有多大，这个操作永远都是O(1)的。
2.  查找某个offset的Message（调用FileMessageSet的searchFor方法）是顺序查找的。因此，如果数据文件很大的话，查找的效率就低。

那Kafka是如何解决查找效率的的问题呢？有两大法宝：1) 分段 2) 索引。

### 3.2、数据文件的分段 ###

Kafka解决查询效率的手段之一是将数据文件分段，比如有100条Message，它们的offset是从0到99。假设将数据文件分成5段，第一段为0-19，第二段为20-39，以此类推，每段放在一个单独的数据文件里面，数据文件以该段中最小的offset命名。这样在查找指定offset的Message的时候，用二分查找就可以定位到该Message在哪个段中。

### 3.3、为数据文件建索引 ###

数据文件分段使得可以在一个较小的数据文件中查找对应offset的Message了，但是这依然需要顺序扫描才能找到对应offset的Message。为了进一步提高查找的效率，Kafka为每个分段后的数据文件建立了索引文件，文件名与数据文件的名字是一样的，只是文件扩展名为.index。  
索引文件中包含若干个索引条目，每个条目表示数据文件中一条Message的索引。索引包含两个部分（均为4个字节的数字），分别为相对offset和position。

*  相对offset：因为数据文件分段以后，每个数据文件的起始offset不为0，相对offset表示这条Message相对于其所属数据文件中最小的offset的大小。举例，分段后的一个数据文件的offset是从20开始，那么offset为25的Message在index文件中的相对offset就是25-20 = 5。存储相对offset可以减小索引文件占用的空间。
 *  position，表示该条Message在数据文件中的绝对位置。只要打开文件并移动文件指针到这个position就可以读取对应的Message了。

index文件中并没有为数据文件中的每条Message建立索引，而是采用了稀疏存储的方式，每隔一定字节的数据建立一条索引。这样避免了索引文件占用过多的空间，从而可以将索引文件保留在内存中。但缺点是没有建立索引的Message也不能一次定位到其在数据文件的位置，从而需要做一次顺序扫描，但是这次顺序扫描的范围就很小了。

在Kafka中，索引文件的实现类为OffsetIndex，它的类图如下：  
![OffsetIndex类图][OffsetIndex]

主要的方法有：

*  append方法，添加一对offset和position到index文件中，这里的offset将会被转成相对的offset。
 *  lookup, 用二分查找的方式去查找小于或等于给定offset的最大的那个offset

## 小结 ##

我们以几张图来总结一下Message是如何在Kafka中存储的，以及如何查找指定offset的Message的。

Message是按照topic来组织，每个topic可以分成多个的partition，比如：有5个partition的名为为page\_visits的topic的目录结构为：  
![topic\_partition][topic_partition]

partition是分段的，每个段叫LogSegment，包括了一个数据文件和一个索引文件，下图是某个partition目录下的文件：  
![partition][]  
可以看到，这个partition有4个LogSegment。

展示是如何查找Message的。  
![search][]  
比如：要查找绝对offset为7的Message：

1.  首先是用二分查找确定它是在哪个LogSegment中，自然是在第一个Segment中。
2.  打开这个Segment的index文件，也是用二分查找找到offset小于或者等于指定offset的索引条目中最大的那个offset。自然offset为6的那个索引是我们要找的，通过索引文件我们知道offset为6的Message在数据文件中的位置为9807。
3.  打开数据文件，从位置为9807的那个地方开始顺序扫描直到找到offset为7的那条Message。

这套机制是建立在offset是有序的。索引文件被映射到内存中，所以查找的速度还是很快的。

一句话，Kafka的Message存储采用了分区(partition)，分段(LogSegment)和稀疏索引这几个手段来达到了高效性。

[https_blog.csdn.net_gongxinju_article_details_72672375]: https://blog.csdn.net/gongxinju/article/details/72672375
[Anatomy of a Topic]: /images/20220527/5d7f975379064147909312bf7be7b915.png
[Kafka]: http://blog.csdn.net/jewes/article/details/42744855
[FileMessageSet]: /images/20220527/db7f807b582e481d8926b86afe1bb3f0.png
[OffsetIndex]: /images/20220527/4362166a6cad43b0a8efe1c138220d09.png
[topic_partition]: /images/20220527/894dcd1c6530449f9aea808544248aab.png
[partition]: /images/20220527/312faa59105c40b687f99bdfd0016cc5.png
[search]: /images/20220527/dc41993ef7fa4459a7f0ea64e82f3a3e.png