kafka架构和文件存储

kafka基础架构

1）Producer ：消息生产者，就是向kafka broker发消息的客户端；
2）Consumer ：消息消费者，向kafka broker取消息的客户端；
3）Consumer Group （CG）：消费者组，由多个consumer组成。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个消费者消费；消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。
4）Broker ：一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。
5）Topic ：可以理解为一个队列，生产者和消费者面向的都是一个topic；
6）Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分为多个partition，每个partition是一个有序的队列；
7）Replica：副本，为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个follower。
8）leader：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是leader。
9）follower：每个分区多个副本中的“从”，实时从leader中同步数据，保持和leader数据的同步。leader发生故障时，某个follower会成为新的follower。

消费流程

kafka中的消息是以topic进行分类的，生产者生产消息，消费者消费消息，都是面对topic的，topic是逻辑的概念，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生产的数据会不断追加到该log文件的末端，每条数据都有自己的offset。消费者组组中的每个消费者，都会根据自己的offset去拉取数据，一边出错时恢复，从上次位置开始消费数据。

kafka文件存储机制

生产者生产的消息会不断追加到log文件结尾，为防止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，建给个partition分为多个segment（segment的大小默认为1g），每个segement对应两个文件“.index”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
00000000000000170410.index
00000000000000170410.log
00000000000000239430.index
00000000000000239430.log

所有示例

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
寻找offset为10的数据
首先10在文件00000000000000006.index里面，将10-6+1=5 即可得到952
根据952即可得到具体存在.log的消息数据