文档章节

Apache Kafka源码剖析:第10篇 日志存储系列5-LogSegment & Log

强子哥哥
 强子哥哥
发布于 2017/08/18 17:34
字数 1197
阅读 166
收藏 0

为了防止一个文件太大,Kafka将Log分成了若干段。每个日志文件和索引文件组合对应了1个LogSegment.

---

在LogSegment中封装了1个FileMessageSet和一个OffsetIndex对象,提供日志文件和索引文件的读写功能以及其它辅助功能!

/tmp/kafka-logs/broker0/my-replicated-topic-0# ls -al
total 24
drwxr-xr-x  2 root root 4096 Aug 13 03:33 .
drwxr-xr-x 55 root root 4096 Aug 13 04:55 ..
-rw-r--r--  1 root root    0 Aug 13 04:55 00000000000000000000.index
-rw-r--r--  1 root root  577 Aug 10 17:11 00000000000000000000.log
-rw-r--r--  1 root root   12 Aug 13 04:55 00000000000000000000.timeindex
-rw-r--r--  1 root root   10 Aug 13 03:33 00000000000000000010.snapshot
-rw-r--r--  1 root root    8 Aug 10 17:04 leader-epoch-checkpoint

---

/**
 * A segment of the log. Each segment has two components: a log and an index. The log is a FileMessageSet containing
 * the actual messages. The index is an OffsetIndex that maps from logical offsets to physical file positions. Each
 * segment has a base offset which is an offset <= the least offset of any message in this segment and > any offset in
 * any previous segment.
 *
 * A segment with a base offset of [base_offset] would be stored in two files, a [base_offset].index and a [base_offset].log file.
 *
 * @param log The message set containing log entries
 * @param index The offset index
 * @param timeIndex The timestamp index
 * @param baseOffset A lower bound on the offsets in this segment
 * @param indexIntervalBytes The approximate number of bytes between entries in the index
 * @param time The time instance
 */
@nonthreadsafe
class LogSegment(val log: FileRecords,//用于操作对应日志文件的FileMessageSet对象
                 val index: OffsetIndex,//用于操作索引文件
                 val timeIndex: TimeIndex,
                 val txnIndex: TransactionIndex,
                 val baseOffset: Long,//第一条消息的offset值
                 val indexIntervalBytes: Int,//索引项之间间隔的最小字节数
                 val rollJitterMs: Long,
                 time: Time) extends Logging {

  private var created = time.milliseconds//标志LogSegment对象的创建时间

  /* the number of bytes since we last added an entry in the offset index */
  private var bytesSinceLastIndexEntry = 0//自动上次添加索引项后,日志文件中累计加入的 Message字节数

  /* The timestamp we used for time based log rolling */
  private var rollingBasedTimestamp: Option[Long] = None

  /* The maximum timestamp we see so far */
  @volatile private var maxTimestampSoFar: Long = timeIndex.lastEntry.timestamp
  @volatile private var offsetOfMaxTimestamp: Long = timeIndex.lastEntry.offset

===

在读取日志文件之前,需要将offset转换为实际的文件物理地址才可以,通过之前的知识点,应该怎么做?

1)比如1017的offset,文件名是1000,所以相对offset就是1017-1000=17

2)将17去稀疏索引文件中查找,可以找到1个稀疏索引项.

3)根据这个索引项,从文件的绝对物理位置开始查找绝对offset为1017的消息。

当然有很多细节,比如说压缩消息的存在。导致查询有一些变化的细节,但是总体还是很简单!

通过上面的分析,主要是让大家对一些概念和机制,有个了解。
虽然可能达不到源码100%的掌握,但是对于理解Kafka的实现机制
和以后定位问题,可以起到帮助作用

更重要的是,通过这些分析,以后碰到生产上的问题,心里不慌,有底气迎战!

---聊完了LogSegment ,我们来聊Log

Log是对多个LogSegment对象的顺序组合,形成1个逻辑的日志。

为了实现快速定位LogSegment,Log使用SkipList对LogSegment进行管理!

跳表很常见,在redis和leveldb中都有使用!
JDK中也有!

跳表是一种比较随机化的数据结构,查找效率和红黑树差不多,但是插入和删除操作比红黑树简单很多。

 

在 Log中,将每个LogSegment的baseOffset作为key,LogSegment对象作为value,

放入到segments这个跳表中管理。

 

向Log中追加消息是顺序写入的,那么只有最后1个LogSegment可以写入,之前的只能读。

我们把最后1个segment称之为activeSegment.

随着数据的不断写入,当activeSegment的日志文件大小到了一定的阈值后,就要切换新的segment文件。

写数据的时候,可能需要重新开一个segment

  // maybe roll the log if this segment is full
        val segment = maybeRoll(messagesSize = validRecords.sizeInBytes,
          maxTimestampInMessages = appendInfo.maxTimestamp,
          maxOffsetInMessages = appendInfo.lastOffset)

是否切换有几个条件

1)日志大小

2)当前 activeSegment的寿命超过了配置的LogSegment最长存活时间。

3)索引文件满了。

第1个很好理解,就是文件保证不要太大

第2个怎么理解,想象一下,client写了1条消息,然后不写了,这个文件如果一直不切换的话,就无法被读到了。

可见,确实是选择一批segment来持久化,这样就把持久化的任务和写线程隔离开来,尽量不占用写的主线程的任务!

===

Log.append()方法通过加锁进行同步控制,因为涉及到多线程操作,多个线程写。

但是在read()方法中并没有加锁操作,在开始查询消息之前会将nextOffsetMetaData字段保存为方法的局部变量,来避免线程安全问题。

 

 

© 著作权归作者所有

共有 人打赏支持
强子哥哥

强子哥哥

粉丝 859
博文 899
码字总数 614462
作品 8
南京
架构师
kafka源码解析之八LogManager

8.1 kafka日志的组成 class LogManager(val logDirs: Array[File], private val logs = new PoolTopicAndPartition, Log}class Log(val dir: File, ……private val segments: ConcurrentNav......

wl044090432
2016/03/29
0
0
Kafka代码走读-LogManager

https://github.com/haogrgr/haogrgr-test/blob/master/logs/kafka_source.txt 源码阅读(0.8.2.2): (一)概览 1.调用kafka.Kafka中的main方法启动 2.通过启动参数获取配置文件的路径 3.通过S...

德胜
2016/07/21
209
0
apache kafka技术分享系列(目录索引)

目录索引: Kafka使用场景 1.为何使用消息系统 2.我们为何需要搭建ApacheKafka分布式系统 3.消息队列中点对点与发布订阅区别 kafka开发与管理: 1)apachekafka消息服务 2)kafak安装与使用 ...

dannyhe
2015/09/06
453
1
消息中间件—Kafka数据存储(一)

摘要:消息存储对于每一款消息队列都非常重要,那么Kafka在这方面是如何来设计做到高效的呢? Kafka这款分布式消息队列使用文件系统和操作系统的页缓存(page cache)分别存储和缓存消息,摒...

癫狂侠
07/30
0
0
阿里大牛实战归纳——Kafka架构原理

对于kafka的架构原理我们先提出几个问题? 1.Kafka的topic和分区内部是如何存储的,有什么特点? 2.与传统的消息系统相比,Kafka的消费模型有什么优点? 3.Kafka如何实现分布式的数据存储与数据...

Java大蜗牛
07/26
0
0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

sklearn中predict_proba用法(注意和predict的区别)

参考网址:https://blog.csdn.net/m0_37870649/article/details/79549142 # 返回预测标签 print(clf.predict(x_test)) # 返回预测属于某标签的概率 print(clf.predict_proba(x_test))...

小叮当_加V
8分钟前
0
0
docker swarm创建consul集群

version: '3.6'x-consul: &consul image: consul:latest volumes: - consul:/consulvolumes: consul:services: client: <<: *consul ports: - "8500:......

weidedong
9分钟前
0
0
Git客户端(TortoiseGit)基本使用详解

1、 环境安装 Git最新版下载地址:https://gitforwindows.org/ TortoiseGit,Git客户端,32/64位最新版及对应的语言包下载地址:https://tortoisegit.org/download/ 安装的方法,一直下一步就...

hblt-j
16分钟前
0
0
服务发现比较:Consul vs Zookeeper vs Etcd vs Eureka

这里就平时经常用到的服务发现的产品进行下特性的对比,首先看下结论: Feature Consul zookeeper etcd euerka 服务健康检查 服务状态,内存,硬盘等 (弱)长连接,keepalive 连接心跳 可配支持...

lemonLove
16分钟前
0
0
1、ElasticSearch的安装配置和使用

一、安装 按照个人习惯我习惯把自己的软件都安装到opt下 解压 tar -zxvf elasticsearch-6.3.2.tar.gz 重命名 mv elasticsearch-6.3.2.tar.gz esearch 移动 mv elasticsearch-6.3.2.tar.gz /o...

丑陋的皮囊
18分钟前
0
0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

返回顶部
顶部