快速入门Kafka系列(7)——kafka的log存储机制和kafka消息不丢失机制

作为快速入门Kafka系列的第七篇博客，本篇为大家带来的是kafka的log存储机制和kafka消息不丢失机制~

码字不易,先赞后看!

在这里插入图片描述

1. kafka的log-存储机制

1.1 kafka中log日志目录及组成

kafka在我们指定的log.dir目录下，会创建一些文件夹；名字是【主题名字-分区名】所组成的文件夹。 在【主题名字-分区名】的目录下，会有两个文件存在，如下所示：

#索引文件
00000000000000000000.index
#日志内容
00000000000000000000.log

在目录下的文件，会根据log日志的大小进行切分，.log文件的大小为1G的时候，就会进行切分文件；

在这里插入图片描述

在kafka的设计中，将offset值作为了文件名的一部分

比如：topic的名字为：test，有三个分区，生成的目录如下如下所示：

test-0
test-1
test-2

kafka日志的组成

segment file组成：由两个部分组成，分别为index file和data file，此两个文件一一对应且成对出现； 后缀.index和.log分别表示为segment的索引文件、数据文件。

segment文件命名规则：partion全局的第一个segment从0开始，后续每个segment文件名为上一个全局 partion的最大offset（偏移message数）。数值最大为64位long大小，19位数字字符长度，没有数字就用0 填充。

在这里插入图片描述

通过索引信息可以快速定位到message。通过index元数据全部映射到memory，可以避免segment file的IO磁盘操作；

通过索引文件稀疏存储，可以大幅降低index文件元数据占用空间大小。 稀疏索引：为了数据创建索引，但范围并不是为每一条创建，而是为某一个区间创建；

好处：就是可以减少索引值的数量。

不好的地方：找到索引区间之后，要得进行第二次处理。

1.2 Kafka的offset查找过程

在这里插入图片描述

比如：要查找绝对offset为7的Message：

上图的左半部分是索引文件，里面存储的是一对一对的key-value，其中key是消息在数据文件（对应的log文件）中的编号，比如“1,3,6,8……”，分别表示在log文件中的第1条消息、第3条消息、第6条消息、第8条消息……，那么为什么在index文件中这些编号不是连续的呢？

这是因为index文件中并没有为数据文件中的每条消息都建立索引，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。

其中以索引文件中元数据3,4597为例，其中3代表在右边log数据文件中从上到下第3个消息(在全局partiton表示第4597个消息)，其中4597表示该消息的物理偏移地址（位置）为4597。

1.3 kafka Message的物理结构及介绍

kafka Message的物理结构，如下图所示：

在这里插入图片描述

1.4 kafka中log CleanUp

kafka中清理日志的方式有两种：delete和compact。

删除的阈值有两种：过期的时间和分区内总日志大小。

在kafka中，因为数据是存储在本地磁盘中，并没有像hdfs的那样的分布式存储，就会产生磁盘空间不足的情 况，可以采用删除或者合并的方式来进行处理，也可以通过时间来删除、合并：默认7天 还可以通过字节大小、合并。 在kafka中，因为数据是存储在本地磁盘中，并没有像hdfs的那样的分布式存储，就会产生磁盘空间不足的情 况，可以采用删除或者合并的方式来进行处理。

可以通过时间来删除、合并：默认7天 可以通过字节大小、合并。

在这里插入图片描述

相同的key，保存offset值大的（最新的消息记录）

在这里插入图片描述

在这里插入图片描述

2. kafka消息不丢失制

从Kafka的大体角度上可以分为数据生产者，Kafka集群，还有就是消费者，而要保证数据的不丢失也要从这三个角度去考虑。

2.1 生产者生成数据不丢失

2.1.1 生产者数据不丢失过程图

在这里插入图片描述

说明：有多少个分区，就启动多少个线程来进行同步数据

2.1.2 发送数据方式

可以采用同步或者异步的方式-过程图

在这里插入图片描述

同步：发送一批数据给kafka后，等待kafka返回结果

1、生产者等待10s，如果broker没有给出ack相应，就认为失败。 2、生产者重试3次，如果还没有相应，就报错

异步：发送一批数据给kafka，只是提供一个回调函数。

1、先将数据保存在生产者端的buffer中。buffer大小是2万条 2、满足数据阈值或者数量阈值其中的一个条件就可以发送数据。 3、发送一批数据的大小是500条

说明：如果broker迟迟不给ack，而buffer又满了，开发者可以设置是否直接清空buffer中的数据。

2.1.3 ack机制（确认机制）

生产者数据不抵事，需要服务端返回一个确认码，即ack响应码；ack的响应有三个状态值

0：生产者只负责发送数据，不关心数据是否丢失，响应的状态码为0（丢失的数据，需要再次发送 ） 1：partition的leader收到数据，响应的状态码为1 -1：所有的从节点都收到数据，响应的状态码为-1

在这里插入图片描述

说明：如果broker端一直不给ack状态，producer永远不知道是否成功；producer可以设置一个超时时间10s，超 过时间认为失败。

2.2 kafka的broker中数据不丢失

在broker中，保证数据不丢失主要是通过副本因子（冗余），防止数据丢失

2.3 消费者消费数据不丢失

在消费者消费数据的时候，只要每个消费者记录好offset值即可，就能保证数据不丢失。

本篇博客的内容到这里就结束了，受益或对大数据技术感兴趣的朋友们记得点赞关注一下博主，下一篇博客将为大家带来kafka监控及运维，敬请期待|ू･ω･` )