文档章节

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

强子大叔的码田
 强子大叔的码田
发布于 2017/08/18 17:34
字数 1197
阅读 811
收藏 1

#程序员薪资揭榜#你做程序员几年了?月薪多少?发量还在么?>>>

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

强子大叔的码田

强子大叔的码田

粉丝 923
博文 1630
码字总数 1283214
作品 9
南京
架构师
私信 提问
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源码分析及图解原理之Broker端

一.前言   https://www.cnblogs.com/GrimMjx/p/11354987.html   上一节说过,任何消息队列都是万变不离其宗都是3部分,消息生产者(Producer)、消息消费者(Consumer)和服务载体(在K...

osc_jor8x3el
2019/09/17
4
0
Kafka: LogManager

deleteLog(TopicAndPartition partition) // 删除某个分区 / Schedule the cleanup task to delete old logs /if(scheduler != null) { }if(cleanerConfig.enableCleaner) }......

jingluodashen
03/31
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
320
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
802
1

没有更多内容

加载失败,请刷新页面

加载更多

图片转换为pdf可以吗?图片是否可以制作成电子书?

严格来说,PDF文件和图片文件还真的挺像的,图片文件中可以包含有文字、图片等信息,PDF文件中也可以包含有图片、文字等信息,那么问题来了,图片转换为pdf可以吗?我们知道,很多电子书都是...

dawda
25分钟前
27
0
Adobe Dreamweaver CC 2019 安装教程

一、DW简介 Adobe Dreamweaver,简称“DW”,中文名称 "梦想编织者",最初为美国MACROMEDIA公司开发 ,2005年被Adobe公司收购。DW是集网页制作和管理网站于一身的所见即所得网页代码编辑器。...

微笑涛声
26分钟前
28
0
Serverless 选型:深度解读 Serverless 架构及平台选择

作者 | 悟鹏 阿里巴巴技术专家 导读:本文尝试以日常开发流程为起点,分析开发者在每个阶段要面对的问题,然后组合解决方案,提炼面向 Serverless 的开发模型,并与业界提出的 Serverless 产...

osc_sxdofc9c
27分钟前
33
0
pdf图片提取怎么操作?如何提取pdf文档中的图片?

pdf文件的定位便是一款不可编辑的文件,当然,如果要使用pdf中的文字信息,还是很简单的,再不济,咱们可以直接手打,将这些文字信息给打出来,那么如果想要使用的是pdf中的图片信息怎么办呢...

深蓝月上
27分钟前
26
0
MATLAB安装libsvm工具箱的方法

支持向量机(support vector machine,SVM)是机器学习中一种流行的学习算法,在分类与回归分析中发挥着重要作用。基于SVM算法开发的工具箱有很多种,下面我们要安装的是十分受欢迎的libsvm工...

osc_n3mzii7x
27分钟前
41
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部