本文主要想探究一下生产者生产的消息,在kafka集群中究竟是怎样存储的?
First: 启动集群
在每个kafka的根目录下执行:
/home/tao/workspace/kafka/kafka_2.12-2.0.0/bin/kafka-server-start.sh config/server.properties &
Second: 创建一个新的topic
命令如下:
bin/kafka-topics.sh --create --zookeeper dataServer-236:2181,dataServer-237:2181,dataServer-240:2181 --replication-factor 2 --partitions 3 --topic zhxTopic3
从该命令可以看到,该主体的副本因子是2,有三个分区。
Third: 查看分区是如何存储的
在/home/tao/workspace/kafka/kafka_2.12-2.0.0/config/server.properties目录下我们配置有kafka日志的存储地址:
# A comma separated list of directories under which to store log files
log.dirs=/home/tao/workspace/kafka/logs
在三个节点分别,进入到该目录执行ll
命令,如下:
节点一:
drwxrwxr-x 2 tao tao 4096 Dec 19 13:18 zhxTopic3-0/
drwxrwxr-x 2 tao tao 4096 Dec 19 13:18 zhxTopic3-2/
节点二:
drwxrwxr-x 2 tao tao 4096 Dec 19 13:18 zhxTopic3-0/
drwxrwxr-x 2 tao tao 4096 Dec 19 13:18 zhxTopic3-1/
节点三:
drwxrwxr-x 2 tao tao 4096 Dec 19 13:18 zhxTopic3-1/
drwxrwxr-x 2 tao tao 4096 Dec 19 13:18 zhxTopic3-2/
其中zhxTopic3-x中的x表示分区,从上可以看出来,0分区分布在节点一二,1分区分布在节点二三,2分区分布在节点一三,负载非常均衡。
Fourth: 查看分区文件夹下是如何组织数据的
进入的节点一的0分区cd zhxTopic3-0
,执行ll
命令:
-rw-rw-r-- 1 tao tao 10485760 Dec 19 13:18 00000000000000000000.index
-rw-rw-r-- 1 tao tao 0 Dec 19 13:18 00000000000000000000.log
-rw-rw-r-- 1 tao tao 10485756 Dec 19 13:18 00000000000000000000.timeindex
-rw-rw-r-- 1 tao tao 0 Dec 19 13:18 leader-epoch-checkpoint
看到有四个文件,但貌似都不知道它们是干啥的。经查阅资料得知,0(20个0).log(因为目前还没有向这个分区中发送消息)文件存储的是具体的消息,前缀同名的0(20个0).index文件存储的是0(20个0).log文件文件中消息对应的物理地址,当然,并不是每一个消息的物理地址都会存储在其中,它采用的是稀疏存储的方式,这样的导致的结果就是有的消息不能立马从index文件中找到对应的物理地址,而是要经过二分法之后再顺序找磁盘(因为范围已经很消息,所以效率还是比较高),并且因为是稀疏存储,这样它本身的大小就比较小了,那就可以把它放入内存加快读取速度。另外,一对index和log文件称为一个段(Segment),partition是分段存储的,这样有利于快速清理老的段(不明白为什么)。log文件的默认大小是一个G,由broker的log.segment.bytes参数指定,leader-epoch-checkpoint和00000000000000000000.timeindex他日再议。
参考文档:
kafka文件的存储机制 https://www.cnblogs.com/jun1019/p/6256514.html
Kafka processing OffsetForLeaderEpochRequest https://blog.youkuaiyun.com/helowken2/article/details/82766445