服务端日志

Kafka的日志信息是通过conf/server.properties文件中的log.dirs配置项来配置的

Topic消息存储方式

主体介绍

进入到上方配置文件中指定的目录下查看，topic的数据都是以topic名 + partition下标的命名方式保存的

我们现在进入其中一个partition目录

• .index

  日志索引文件，采用的稀疏索引提高查询效率，记录的是消息偏移量offset 和 该消息在.log文件中的位置position

• .log

  消息保存在.log文件中，是以二进制的方式保存的。可以通过.index和.timeindex两个索引文件加速查找消息

  文件大小是(log.segment.bytes参数设定)默认1GB，新文件名是第一条消息的offset.log

• .timeindex

  日志索引文件，采用的也是稀疏索引结构，每隔一段时间保存一条索引记录，记录的是消息产生的时间戳timestamp和消息偏移量offset

• .snapshot

  快照，可以理解为一个备份文件

• leader-epoch-checkpoint

  Leader partition新上任就会往该文件中写入一个epoch，来保证HW的一致性

• partition.metadata

  保存着该partition对应的topic_id

最后两个文件可以直接查看，就记录的一些简单的信息

[root@worker1 disTopic-0]# cat leader-epoch-checkpoint 
0
3
5 0
9 6
14 18

[root@worker1 disTopic-0]# cat partition.metadata 
version: 0
topic_id: rDUdZBO7RH2GNPgdRXk7Tw

而前三个文件是以二进制的方式保存的，需要通过Kafka提供的kafka-dump-log.sh来查看文件内容，如下所示

# 保存的是消息产生的时间戳 和 消息offset
[root@worker3 testTopic-0]# kafka-dump-log.sh --files 00000000000000000000.timeindex
Dumping 00000000000000000000.timeindex
timestamp: 1723254597947 offset: 51
timestamp: 1723254598224 offset: 102
timestamp: 1723254598501 offset: 152
timestamp: 1723254598816 offset: 201
timestamp: 1723254599085 offset: 250

# 保存是的消息的offset 和 该消息在.log文件中对应的position位置
[root@worker3 testTopic-0]# kafka-dump-log.sh --files 00000000000000000000.index
Dumping 00000000000000000000.index
offset: 51 position: 4160
offset: 102 position: 8324
offset: 152 position: 12428
offset: 201 position: 16544
offset: 250 position: 20660
offset: 299 position: 24776


# 每一条记录保存的是一批消息信息，只不过我下面刚好都只保存一条消息
[root@worker3 testTopic-0]# kafka-dump-log.sh --files 00000000000000000000.log
baseOffset: 50 lastOffset: 50 count: 1 baseSequence: 0 lastSequence: 0 producerId: 5001 producerEpoch: 0 partitionLeaderEpoch: 0 isTransactional: false isControl: false deleteHorizonMs: OptionalLong.empty position: 4080 CreateTime: 1723254597907 size: 80 magic: 2 compresscodec: none crc: 672861010 isvalid: true
baseOffset: 51 lastOffset: 51 count: 1 baseSequence: 1 lastSequence: 1 producerId: 5001 producerEpoch: 0 partitionLeaderEpoch: 0 isTransactional: false isControl: false deleteHorizonMs: OptionalLong.empty position: 4160 CreateTime: 1723254597947 size: 80 magic: 2 compresscodec: none crc: 3136762717 isvalid: true
baseOffset: 52 lastOffset: 52 count: 1 baseSequence: 2 lastSequence: 2 producerId: 5001 producerEpoch: 0 partitionLeaderEpoch: 0 isTransactional: false isControl: false deleteHorizonMs: OptionalLong.empty position: 4240 CreateTime: 1723254597951 size: 80 magic: 2 compresscodec: none crc: 3076149845 isvalid: true

log文件追加记录消息

• .log文件是以追加的方式写入新的消息日志。position表示写入位置，size表示消息的总长度，通过这两个值就能从一段二进制中获取到一条具体的消息。
• Kafka中的消息日志，只允许追加，不允许删除和修改。
• log文件的固定大小是log.segment.bytes参数设定，默认1GB。新创建的文件是以写入第一条消息的offset作为的文件名

index和timeindex索引文件

index和timeindex索引文件目的都是为了加快从log文件中读取消息的效率，如下图所示，

• index和timeindex文件是以相对偏移量的方式建立的log消息日志数据索引

  比如说0000.index和 0947.index索引文件中的内容offset都是以0开始计数的，使用的是第一条消息的相对偏移量，而消息绝对偏移量=文件名+相对偏移量

• index和timeindex文件采用的是类似于数据的跳表，并不是每一条消息都会记录一条索引。

  由log.index.interval.bytes决定.log文件中产生多少大小的消息就生成一条index记录 官网 服务端的参数说明

  log.index.interval.bytes
  The interval with which we add an entry to the offset index
  
  Type:	int
  Default:	4096 (4 kibibytes)
  

index文件的作用类似于数据结构中的跳表，他的作用是用来加速查询log文件的效率。而timeindex文件的作用则是用来进行一些跟时间相关的消息处理。比如文件清理。

日志文件清理

Kafka为了防止过多的日志文件给服务器带来过大的压力，他会定期删除过期的log文件。

判断那些日志文件过期了

• log.retention.check.interval.ms

  定时检测文件是否过期。默认是 300000毫秒，也就是五分钟。 在检查文件是否超时时，是以每个.timeindex中最大的那一条记录为准。

• log.retention.hours ， log.retention.minutes， log.retention.ms 。

  这一组参数表示文件保留多长时间。默认生效的是log.retention.hours，默认值是168小时，也就是7天。如果设置了更高的时间精度，以时间精度最高的配置为准。

官网 服务端的参数说明

# 日志清除程序检查是否有日志符合删除条件的频率(以毫秒为单位)
log.retention.check.interval.ms
Type:	long
Default:	300000 (5 minutes)

# 在删除日志文件之前保留它的小时数(以小时为单位)，仅次于log.retention.ms属性
log.retention.hours
Type:	int
Default:	168

# 在删除日志文件之前保留日志文件的分钟数(以分钟为单位)，仅次于log.retention.ms属性。如果没有设置，则使用log.retention.hours中的值
log.retention.minutes
Type:	int
Default:	null

# 日志文件删除前保留的毫秒数(以毫秒为单位)，如果未设置，则使用log.retention.minutes中的值。如果设置为-1，则不应用时间限制。
log.retention.ms
Type:	long
Default:	null

过期的日志文件如何处理

# 日志清理策略。有两个选项，delete表示删除日志文件。 compact表示压缩日志文件。
log.cleanup.policy
Type:	list
Default:	delete
Valid Values:	[compact, delete]

# 日志删除前的最大容量
# 当log.cleanup.policy选择delete时  当总的日志文件大小超过这个阈值后，就会删除最早的日志文件。默认是-1，表示无限大。
log.retention.bytes
Type:	long
Default:	-1

Kafka的文件高效读写机制

Kafka的文件结构

kafka的数据文件结构可以加速日志文件的读取。

Topic下的多个partition采用的是单独记录日志文件，这样加快了topic下的数据读取

通过.index索引文件的稀疏索引结构，进一步加快日志检索速度。

顺序写磁盘

对每个Log文件，Kafka会提前规划固定的大小，这样在申请文件时，可以提前占据一块连续的磁盘空间。

Kafka的log文件只能以追加的方式往文件的末端添加(这种写入方式称为顺序写)

零拷贝

零拷贝是Linux操作系统提供的一种IO优化机制，而Kafka大量的运用了零拷贝机制来加速文件读写。

零拷贝就是配合内核态的复制机制，减少用户态和内核态之间的内容拷贝

传统的一次硬件IO是这样工作的。如下图所示：

零拷贝主要有两种实现机制

1、mmap文件映射机制

不再将整个文件复制进用户态，而是用户态只持有一个文件的映射信息，通过这个映射信息控制内核态的文件读写。

java中大量使用该方式 ，可以参考下JDK中的DirectByteBuffer实现机制

适用于文件不超过2G的文件，所以Kafka将日志文件设计成1G

2、sendfile文件传输机制

用户态连文件索引都不读取，直接向内核态发送一个sendfile指令，让内核态去进行文件拷贝

例如当Consumer要从Broker上poll消息时，Broker不需要对消息进行任何的加工，用户态就只需要往内核态发一个sendfile指令，而不需要有任何的数据拷贝过程。Kafka大量的使用了sendfile机制，用来加速对本地数据文件的读取过程。

JDK中8中java.nio.channels.FileChannel类提供了transferTo和transferFrom方法，底层就是使用了操作系统的sendfile机制。

合理配置刷盘频率

应用程序读取文件是从内核态的pageCache中读取的，保存文件是最终只能保存到pageCache中，应用程序不能直接操作pageCache。而pageCache中的数据如果还没有来得及刷盘持久化到磁盘，服务器忽然非正常断电，那么pageCache中的数据就会丢失。

应用程序唯一能做的就是频繁的调用OS提供的fsync()通知OS进行刷盘操作，但是则会降低应用的执行性能。所以应用程序需要在数据安全和高性能上做取舍。

Kafka在服务端设计了几个参数，来控制刷盘的频率：

这里可以看到，Kafka为了最大化性能，默认是将刷盘操作交由了操作系统进行统一管理。

# 多长时间进行一次强制刷盘。默认是Long.MAX。
flush.ms
Type:	long
Default:	9223372036854775807
Valid Values:	[0,...]


# 表示当同一个Partiton的消息条数积累到这个数量时，就会申请一次刷盘操作。默认是Long.MAX。
log.flush.interval.messages
Type:	long
Default:	9223372036854775807
Valid Values:	[1,...]


#当一个消息在内存中保留的时间，达到这个数量时，就会申请一次刷盘操作。他的默认值是空。如果这个参数配置为空，则生效的是下一个参数。
log.flush.interval.ms
Type:	long
Default:	null


# 日志刷新程序检查是否需要将日志刷新到磁盘的频率(以毫秒为单位),默认也是Long.MAX。
log.flush.scheduler.interval.ms
Type:	long
Default:	9223372036854775807

客户端消费进度管理

消费者消费消息的进度被保存在一个名称为__consumer_offsets内置的topic中，该topic默认会创建50个分区partition

该topic在zookeeper也能查看到相应的信息，只不过zookeeper上只是简单记录了partition的Leader和ISR列表，并没有看见真实消费者的消费进度

既然这也是一个topic下的partition，我们启动一个消费者来消费其中的消息看看

可以看到下面记录的消息内容就是一个key-value的格式，key为消费者组+topic+partition 而value保存则offset和一些元数据信息

也就是说这里记录了消费者组在某个topic下的partition的消息消费偏移量offset

[root@worker1 ~]# kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic __consumer_offsets --from-beginning --formatter "kafka.coordinator.group.GroupMetadataManager\$OffsetsMessageFormatter"

[test,disTopic,0]::OffsetAndMetadata(offset=6, leaderEpoch=Optional[5], metadata=, commitTimestamp=1723081907174, expireTimestamp=None)
[test,disTopic,3]::OffsetAndMetadata(offset=6, leaderEpoch=Optional[7], metadata=, commitTimestamp=1723081907275, expireTimestamp=None)
[test,disTopic,1]::OffsetAndMetadata(offset=3, leaderEpoch=Optional[1], metadata=, commitTimestamp=1723081907275, expireTimestamp=None)
[test,disTopic,2]::OffsetAndMetadata(offset=11, leaderEpoch=Optional[4], metadata=, commitTimestamp=1723081907275, expireTimestamp=None)
[test,disTopic,0]::OffsetAndMetadata(offset=6, leaderEpoch=Optional[5], metadata=, commitTimestamp=1723081907275, expireTimestamp=None)
[test,disTopic,3]::OffsetAndMetadata(offset=6, leaderEpoch=Optional[7], metadata=, commitTimestamp=1723081907377, expireTimestamp=None)
[test,disTopic,1]::OffsetAndMetadata(offset=3, leaderEpoch=Optional[1], metadata=, commitTimestamp=1723081907377, expireTimestamp=None)

而这些Offset数据，其实也是可以被消费者修改的，在之前章节已经演示过消费者如何从指定的位置开始消费消息。而一旦消费者主动调整了Offset，Kafka当中也会更新对应的记录。

另外，这个系统Topic里面的数据是非常重要的，因此Kafka在消费者端也设计了一个参数来控制这个Topic应该从订阅关系中剔除。

public static final String EXCLUDE_INTERNAL_TOPICS_CONFIG = "exclude.internal.topics";
private static final String EXCLUDE_INTERNAL_TOPICS_DOC = "Whether internal topics matching a subscribed pattern should " +
    "be excluded from the subscription. It is always possible to explicitly subscribe to an internal topic.";
public static final boolean DEFAULT_EXCLUDE_INTERNAL_TOPICS = true;