三、Kafka 架构
1、Kafka 工作流程及文件存储机制
- Kafka 中消息是以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。
- topic 是逻辑上的概念,而 partition 是物理上的概念,每个 partition 对应于一个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。消费者组中的每个消费者,都会实时记录自己消费到了哪个 offset,以便出错恢复时,从上次的位置继续消费。
- 由于生产者生产的消息会不断追加到log文件末尾,为防止 log 文件过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,该文件夹的命名规则为:topic名称+分区序号。例如,first 这个 topic 有三个分区,则其对应的文件夹为first-0,first-1,first-2。
00000000000000000000.index
00000000000000000000.log
00000000000000167810.index
00000000000000167810.log
00000000000000234530.index
00000000000000234530.log
- index 和 log 文件以当前 segment 的第一条消息的 offset 命名。下图为 index 文件和 log文件的结构示意图。
“.index”文件存储大量的索引信息,“.log”文件存储大量的数据,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。
日志和数据分离操作(自定义选项)
- 先 stop 掉 kafka
- 把之前的日志存放目录 logs 删除(集群上所有机器上都删除)
- 修改 并创建新的config/server.properties 中的 log.dirs 存放的路径(集群上所有机器上都修改)
[xiaoxq@hadoop105 kafka_2.11-2.4.1]$ mkdir datas
[xiaoxq@hadoop105 kafka_2.11-2.4.1]$ xsync datas/
- 启动 zookeeper 把文件夹中的 kafka 目录删除(deleteall、)
- 重启 kafka