kafka数据清理

布满荆棘的人生 2023-08-17 17:34 114阅读 0赞

Kafka将数据持久化到了硬盘上，允许你配置一定的策略对数据清理，清理的策略有两个，删除和压缩。

## 数据清理的方式 ##

### 删除 ###

log.cleanup.policy=delete启用删除策略  
直接删除，删除后的消息不可恢复。可配置以下两个策略：  
清理超过指定时间清理：    
log.retention.hours=16  
超过指定大小后，删除旧的消息：  
log.retention.bytes=1073741824  
为了避免在删除时阻塞读操作，采用了copy-on-write形式的实现，删除操作进行时，读取操作的二分查找功能实际是在一个静态的快照副本上进行的，这类似于Java的CopyOnWriteArrayList。

### 压缩 ###

将数据压缩，只保留每个key最后一个版本的数据。  
首先在broker的配置中设置log.cleaner.enable=true启用cleaner，这个默认是关闭的。  
在topic的配置中设置log.cleanup.policy=compact启用压缩策略。

#### 压缩策略的细节 ####

![160819151797091.png][]

如上图，在整个数据流中，每个Key都有可能出现多次，压缩时将根据Key将消息聚合，只保留最后一次出现时的数据。这样，无论什么时候消费消息，都能拿到每个Key的最新版本的数据。  
压缩后的offset可能是不连续的，比如上图中没有5和7，因为这些offset的消息被merge了，当从这些offset消费消息时，将会拿到比这个offset大的offset对应的消息，比如，当试图获取offset为5的消息时，实际上会拿到offset为6的消息，并从这个位置开始消费。  
这种策略只适合特俗场景，比如消息的key是用户ID，消息体是用户的资料，通过这种压缩策略，整个消息集里就保存了所有用户最新的资料。  
压缩策略支持删除，当某个Key的最新版本的消息没有内容时，这个Key将被删除，这也符合以上逻辑。

例子：

log.cleaner.enable=true  
log.cleaner.delete.retention.ms=4day

log.retention.hours=72

log.retention.bytes=419430400

log.segment.bytes=1073741824

log.retention.check.interval.ms=300000

Kafka 的详细介绍：[请点这里][Link 1]  
Kafka 的下载地址：[请点这里][Link 2]

本文永久更新链接地址：[http://www.linuxidc.com/Linux/2014-07/104470.htm][http_www.linuxidc.com_Linux_2014-07_104470.htm]

转载于:https://www.cnblogs.com/zhengchunyuan/p/11446377.html

[160819151797091.png]: /images/20230808/12cc3882edd54823b9777acaf10e1f65.png
[Link 1]: https://www.linuxidc.com/Linux/2013-11/92752.htm
[Link 2]: https://www.linuxidc.com/down.aspx?id=1106
[http_www.linuxidc.com_Linux_2014-07_104470.htm]: https://www.linuxidc.com/Linux/2014-07/104470.htm