kafka工作流程及文件存储机制
kafka中的消息是一topic进行分类的,生产者生产消息,消费者消费消息,都是面向topic的。
一个topic下的每个分区都单独维护一个offset,所以分发到不同分区中的数据是不同的数据。消费者的分区维护是一个消费者组一个主题的一个分区维护一个offset。
topic是逻辑上的概念,而partition是物理上的概念,每个partition对应一个log文件,该log文件中存储的就是producer生产的数据。Producer生产的数据会被不断的追加到该log文件末端,且每条数据都有自己的offset。消费者组中每个消费者都会实时记录自己消费到了那个offset,以便出错恢复时,从上次的位置继续消费。
kafka的文件存储机制
由于生产者生产的消息会不断追加到log文件的末尾,为防止log文件多大导致数据定位效率低下,kafka采取了分片和索引机制,将每个partition分为多个segment。每个segment对应两个文件———“.index”文件和“.log”文件。这些文件位于一个文件夹下,该文件的命名规则为:topic名称+分区序号。例如,first这个topic有三个分区,则其对应的文件夹应为first-0,first-1,first-2。
index和log文件以当前segment的第一条消息的offset命名。
index文件和log文件详解
“.index”文件存储大量的索引信息,索引信息按照数组的逻辑排列,“.log”文件存储大量的数据,数据直接紧密排列,索引文件中的元数据指向对应数据文件中message的物理偏移地址。