Kafka的中的数据清理你知道多少

Kafka将数据持久化到了硬盘上，为了控制磁盘容量，需要对过去的消息进行清理

那么，删除策略有哪几种呢？

日志压缩和日志删除

其中日志压缩一般用的比较少，log.cleanup.policy=compact 启用压缩策略
按照消息key进行整理，有相同key不同value值，只保留最后一个

日志删除配置更改：

启用cleaner
log.cleaner.enable=true
log.cleaner.threads = 2 (清理线程数配置)

log.cleanup.policy=delete
#清理超过指定时间的消息,默认是168小时，7天，
#还有log.retention.ms, log.retention.minutes, log.retention.hours，优先级高到低
log.retention.hours=168
​
#超过指定大小后，删除旧的消息，下面是1G的字节数，-1就是没限制
log.retention.bytes=1073741824
​
还有基于日志起始位移（log start offset)，未来社区还有更多

基于【时间删除】 日志说明

配置了7天后删除，那7天如何确定呢？
​
每个日志段文件都维护一个最大时间戳字段，每次日志段写入新的消息时，都会更新该字段
​
一个日志段segment写满了被切分之后，就不再接收任何新的消息，最大时间戳字段的值也将保持不变
​
kafka通过将当前时间与该最大时间戳字段进行比较，从而来判定是否过期

基于【大小超过阈值】 删除日志 说明

假设日志段大小是500MB，当前分区共有4个日志段文件，大小分别是500MB，500MB，500MB和10MB
​
10MB那个文件就是active日志段。
​
此时该分区总的日志大小是3*500MB+10MB=1500MB+10MB
​
如果阈值设置为1500MB，那么超出阈值的部分就是10MB，小于日志段大小500MB，故Kafka不会
执行任何删除操作，即使总大小已经超过了阈值；
​
如果阈值设置为1000MB，那么超过阈值的部分就是500MB+10MB > 500MB，此时Kafka会删除
最老的那个日志段文件
​
注意：超过阈值的部分必须要大于一个日志段的大小

log.retention.bytes和log.retention.minutes任意一个达到要求，都会执行删除