kafka 系列 -- 7.2、日志索引

kafka 的索引文件以稀疏索引的方式构造消息的索引，每个 segmentfault 文件，对应 2 个索引文件。偏移量索引文件(xx.index)用于建立消息偏移量到物理地址之间的映射关系；时间戳索引文件(xx.timeindex)根据指定的时间戳查找对应的偏移量信息。

.index、.timeindex 均保持严格单调递增，在查找时，都使用二分查找法，如果查不到，均返回比查找值要小的最大值。

日志切分

当日志分段文件满足以下几个条件任意之一，便会切分索引文件

1. 分段文件大小超过 broker 参数 log.segment.bytes 配置的值，默认为 1073741824，即 1G
2. 当前分段日志中消息的最大时间戳与当前系统的时间戳差值大于 log.roll.ms 或 log.roll.hours 参数配置的值。其中前者优先级大于后者，默认配置了 log.roll.hours = 168，即 7 天
3. .index 或 .timeindex 的大小达到 broker 端参数 log.index.size.max.bytes 配置的值，该值默认为 10485760 即10MB
4. 追加的消息的偏移量与当前日志分段的偏移量之间差值大于 Integer.MAX_VALUE

偏移量索引（.index）

.index 每个索引项，占 8 个字节。结构如下图所示：

1. relativeOffset：相对偏移量，表示消息相对于 baseOffset 偏移量，占用 4 个字节
2. position：物理地址，消息在日志分段文件中对应的物理位置

消息的偏移量(offset)占用 8 个字节，称为绝对偏移量。为了节省空间, relativeoffset 采用 4 个字节，relativeOffset = offset - baseOffset。
因为 relativeOffset 是 4 个字节，因此当 offset - baseOffset 值大于 Integer.MAX_VALUE，则会导致无法继续存储在当前 .index 文件

时间戳索引(.timeindex)

每个索引项占用 12 个字节，结构如下图：

1. timestamp：

当前日志分段最大的时间戳。占 8 个字节

1. relativeOffset：

时间戳所对应的消息的相对偏移量。占 4 个字节

与 RocketMQ 异同

不同点

1. rocketMQ 的索引文件，存放在 index 目录下。
2. rocketMQ index 文件的存储结构为 index header + 500W个 hash槽 + 2000W 个 index条目。

1. rocketMQ 使用的是 hash 进行查找，使用的是链表法解决冲突hash 冲突。