Apache Kafka 在硬盘上存储消息的格式是经过序列化和优化的二进制格式。Kafka 的设计目标之一就是高效地在磁盘上存储大量数据并提供快速读写能力。消息在硬盘上的存储主要由以下部分组成:
-
Log Segment(日志分段):
Kafka 将每个 Topic 分区的消息以日志文件的形式存储,这些日志文件被称为 Log Segments。每个 Log Segment 是一组连续的、不可更改的消息集合。 -
Message Set(消息集):
每个 Log Segment 中包含一个或多个 Message Sets,每个 Message Set 包含了一组按照顺序排列的消息。 -
Message Format(消息格式):
消息本身具有特定的二进制格式,通常包括以下几个组成部分:- Offset:每条消息在其所属分区中的唯一位置标识。
- Message Size:消息的大小。
- Crc:用于校验消息内容是否正确的一个CRC32校验码。
- Key:可选的消息键,可以为空。
- Value:实际的消息内容,可以是任意字节流。
- Timestamp:从某个版本开始,Kafka 支持为消息添加时间戳。
具体到硬盘上存储时,Kafka 采用了一系列优化措施,如批量压缩、预分配日志文件空间等来提高性能。消息在物理存储上是紧凑排列的,并且可以配置成不同的压缩格式(如Snappy、GZIP或LZ4),以减少存储空间占用。
随着 Kafka 版本的迭代更新,消息格式可能会有所调整和完善,但上述基本结构和原则保持不变。在较新版本的 Kafka 中,消息格式可能还包含了更多元数据信息,例如事务相关的信息或者新版控制位等。要获得最准确的消息格式定义,请参考对应 Kafka 版本的官方文档。