06-Kafka数据存储流程、原理、LEO+HW讲解

Partition - topic物理上的分组，一个topic可以分为多个partition，每个partition是一个有序的队列

• 是以文件夹的形式存储在具体Broker本机上
  

LEO（LogEndOffset）

• 表示每个partition的log最后一条Message的位置

HW（HighWatermark）

• 表示partition各个replicas数据间同步且一致的offset位置，即表示all replicas已经commit的位置
• HW之前的数据才是Commit后的，对消费者才可见
• ISR集合里面最小leo
  

offset

• 每个partition都由一系列有序的、不可变的消息组成，这些消息被连续的追加到partition中
• partition中的每个消息都有一个连续的序列号叫做offset，用于partition唯一标识一条消息
• 可以认为offset是partition中Message的id

Segment：每个partition又由多个segment file组成

• segment file 由2部分组成，分别为index file和data file（log file）
• 两个文件是一一对应的，后缀”.index”和”.log”分别表示索引文件和数据文件
• 命名规则：partition的第一个segment从0开始，后续每个segment文件名为上一个segment文件最后一条消息的offset+1

Kafka高效文件存储设计特点

• Kafka把topic中一个parition大文件分成多个小文件段，通过多个小文件段，就容易定期清除或删除已经消费完文件，减少磁盘占用
• 通过索引信息可以快速定位message
• producer生产数据，要写入到log文件中，写的过程中一直追加到文件末尾，为顺序写，官网数据表明。同样的磁盘，顺序写能到600M/S，而随机写只有100K/S