在介绍RocketMQ的时候，高并发异步解耦利器：RocketMQ究竟强在哪里？这篇文章中，我们介绍了RocketMQ的存储架构，由于RocketMQ是基于Kafka改造而来的，所以Rocket与Kafa的存储架构很相似。这里对比下：
- RocketMQ是把Topic分片存储到各个Broker节点中，然后在把Broker节点中的Topic继续分片为若干等分的ConsumeQueue，从而提高消息的吞吐量。ConsumeQueue是作为负载均衡资源分配的基本单元；
- 类似的，Kafka的Topic以Partition为单位，分片存储到各个Broker节点中，一个Broker节点可以存储多个Partition，Partition是作为Kafka负载均衡资源分配的基本单元。
还没有深入了解RocketMQ的朋友，可以看看高并发异步解耦利器：RocketMQ究竟强在哪里？这篇文章，更多技术文章，欢迎关注我的博客IT宅(itzhai.com)或者Java架构杂谈公众号。
1 Kafka分区文件存储方式
Kafka的Partition类似于RocketMQ的ConsumeQueue。随便查看某一个Topic Partition下的文件：
我们重点看看index, log, timeindex这三个文件。
log文件有点像RocketMQ的commitlog文件，但是Kafka是以分区为维度进行存储的，RocketMQ存储的则是整个Broker的所有消息。
每个Partition分区下面是由多个Segment(段)组成的，Segment是逻辑概念，实际上会对应到上面的三个文件：
log：数据文件，存储实际的消息数据；index：索引文件，存储消息数据的索引；timeindex：索引文件，提供时间维度的检索。
Segment文件的命名规则：Partition的第一个Segment文件从0开始，后续每生成一个新的Segment文件的时候，文件名以当前Partition的最大offset为基准，文件名长度为64位long类型。
Segment生成相关配置：
log.segment.bytes: 每个segment的大小，达到这个大小后会创建一个新的segment，默认是1G；log.segment.ms: 配置每隔多少毫秒产生一个新的segment,默认是7天。
2 log数据文件
log文件存储实际的消息数据，可以通过参数log.segment.bytes指定一个log文件大小，log文件的消息是顺序写的。
3 index索引文件
index：是一个稀疏索引，默认的，Kafka每接收4k(可通过log.index.interval.bytes参数配置)就记录当前一条消息的offset和消息在log日志中的实际位置到index索引文件。也就是说，Kafka是采用稀疏索引来实现信息检索的，如下图，Kafka会把offset为3，7，10的消息的offset以及在log文件中的实际位置存入index文件中：
我们可以通过以下命令查看index文件的内容：
log.index.interval.bytes：索引条目区间密度，默认4k，每接收4k就记录当前一条消息的offset。增加索引条目的区间密度会影响索引文件的区间密度和查询效率。
3.1 Kafka是如何基于offset查找消息的 ？
当我们要根据offset在log文件中查找消息的时候，首先会根据offset定位到具体的Segment，然后去查找Segment中的index文件，通过二分查找快速定位到offset的存储范围在log文件中的起始地址；当拿到起始地址之后，从log文件的起始地址开始顺序查找，直到找到匹配的offset的消息：
index相关配置：
log.index.interval.bytes：索引间隔，即每接收多少数据会记录一个索引，默认为4k；
4 timeindex索引文件
存储消息时，除了会维护index索引文件，也会维护timeindex索引文件，timeindex同样是稀疏索引，timeindex索引文件存储消息发送的时间点以及offset。
4.1 Kafka是如何基于时间查找消息的？
要通过时间戳a查找消息：
- 首先会根据时间戳a基于时间戳索引定位到具体的Segment，定位方法：
- 将时间戳a与每个Segment的timeindex中最大时间戳对比，找到最大时间戳不小于时间戳a的记录，如果找到了，则继续按以下步骤在这个Segment中查找消息；
- 使用二分法查找timeindex文件，找到不大于时间戳a的最大索引项，从而获取到该索引项存储的offset；
- 使用offset二分查找index文件，找到不大于offset的最大索引项的log文件物理位置p；
- 在log文件中定位到物理位置p，开始查找不小于时间戳a的消息。
如下图，要基于时间戳1636773676499查找消息，先定位到具体的Segment，然后按以下步骤查找：
- 在timeindex中查找时间戳不大于1636773676499的最大记录，最终找到
1636773676498，对应的offset为7； - 在index中查找offset不大于7的最大索引项的log文件物理位置，这里即为offset=7的索引的log文件物理地址p；
- 到log文件中定位到物理地址p，开始查找时间戳不小于
1636773676499的记录，找到第一条，就是我们要找的消息。
5 Kafka的日志清理策略是怎样的？
Kafka的日志清理策略cleanup.policy有两种：Delete策略和Compact策略。
5.1 delete策略
默认的的策略，当Segment的不活跃时间大于设置的时间的时候，就删除对应的Segment。具体配置参数：
retention.bytes：总的segment的大小限制，超过这个值之后，会删除旧的segment。默认为-1，表示无大小限制；retention.ms：Segment最后一次写入日志记录的时间与当前时间的时间差，如果超过配置的值，则删除这个Segment。默认是168h，即7天；log.retention.check.interval.ms：检查是否有可删除日志的间隔时间，默认是300s，5分钟；file.delete.delay.ms：删除延迟时间，在真正删除文件之前，继续保留文件的时间，默认为1分钟。
5.1.1 如果日志增长很慢，delete策略下如何配置才能触发文件清理？
在delete策略下，我们如果要日志保留3天，可以这样设置：
1 | retention.ms: 259200000 # 3天 |
但是如果日志文件增长很慢，3天之后，日志文件大小还没有达到retention.bytes的值，那么就不会生成新的Segment文件，仍然用的是同一个Segment文件，所以不能直接删除Segment文件。
如果想要真正达到清理3天之前的日志的效果，就需要优化一下配置了，可以添加设置：
1 | segment.ms: 86400000 # 24小时 |
这样，每隔24小时，只要有新数据进来，就会产生新的Segment，从而可以触发retention.ms的三天清除策略了。
总结：对于写速度很慢的Topic，为了优化存储，需要控制：segment.ms < retention.ms。
5.2 compact策略
在这种模式下，日志不会被删除，但会被去重清理。这种模式下要求每个日志记录都必须有key，kafka按照一定的时机清理Segment中的key：对于同一个key，只保留最新的那个key。
每个Partition的日志，以Segment为单位，会被分为两部分，已清理和未清理的部分。未清理的部分又可以分为可清理和不可清理。
对于compact清理策略，Segment可清理部分的清理思路是这样的：
Kafka根据key来去重合并，对于可清理的部分，每个key保留一个最新的值。如果清理后的Segment太小，Kafka会按照一定的策略合并这些Segment，避免Segment过于碎片化。
5.2.1 什么情况下会用到compact策略策略？
比如，当我们按照一定的逻辑计算到每个用户的粉丝数，并且每几分钟就更新一次，把用户的粉丝数都存到Kafka中，任何需要用户粉丝数的业务都可以从Kafka获取数据。
此时就不能使用delete策略了，因为数据不能删，但是每次重复计算之后，用户粉丝数都会多一份数据，我们只是需要最新的那一个粉丝数，为此，可以把用户id作为key，通过使用compact策略，把重复的历史用户粉丝数给清理掉。
更多关于compact测量队配置参数：
min.cleanable.dirty.ratio：可以进行compact的脏数据的比例；dirtyRatio = dirtyBytes / (cleanBytes + dirtyBytes)，其中dirtyBytes表示可被清理部分的日志大小，cleanBytes表示已清理部分的日志大小。默认值是0.5，即脏数据达到了总数据的50%才进行清理，这样配置可以减少清理次数，提高清理的性价比，如果需要更及时的清理策略，可用调低该值；
min.compaction.lag.ms：设置一条消息投递到Kafka后，多久时间内不会被compact。默认是0，表示不会根据消息投递的时间来决定消息是否应该被compacted。这个配置可用于支持获取一定时间内的历史快照的业务场景。
对于日志增值很慢的topic，同样需要配合segment.ms配置来配合清理日志。
看到这里，是不是对Kafka的存储原理有了比较深入的了解了呢？想看更多中间件的相关文章，欢迎关注我的博客IT宅(itzhai.com)或者Java架构杂谈公众号。