kafka之二-日志管理

本文主要内容有：

1. 日志管理相关实现类
2. 日志刷盘
3. 日志清理
4. checkpoint

日志管理相关实现类

---

kafka的日志管理是通过LogManager类实现的，它的主要作用是日志的创建、检索、清理。

kafkaServer启动LogManager线程

LogManager线程是在kafka节点服务启动的时候启动的，代码如下：

//kafka.server.KafkaServer
def startup() {
  try {
    info("starting")
    /* start log manager */
    //创建LogManager对象
    logManager = createLogManager(zkUtils.zkClient, brokerState)
    //启动LogManager线程
    logManager.startup()
    }
  catch {
    case e: Throwable =>
    fatal("Fatal error during KafkaServer startup. Prepare to shutdown", e)
    isStartingUp.set(false)
    shutdown()
    throw e
  }
}

说明，初始化LogManager的过程中会加载所有日志分区，对应方法为loadLogs(),在加载日志分区过程中会调用loadSegments()加载该分区所有的Segment文件，使用是的线程池进行加载的。

LogManager启动

在所有分区日志都加载完成后，KafkaServer调用startup()方法启动LogManager线程，在这个过程中会启动四个定时任务。

def startup() {
  /* Schedule the cleanup task to delete old logs */
  if(scheduler != null) {
    //note: 定时清理过期的日志 segment,并维护日志的大小
    info("Starting log cleanup with a period of %d ms.".format(retentionCheckMs))
    scheduler.schedule("kafka-log-retention",
                       cleanupLogs,
                       delay = InitialTaskDelayMs,
                       period = retentionCheckMs,
                       TimeUnit.MILLISECONDS)
    //note: 定时刷新还没有写到磁盘上日志
    info("Starting log flusher with a default period of %d ms.".format(flushCheckMs))
    scheduler.schedule("kafka-log-flusher",
                       flushDirtyLogs,
                       delay = InitialTaskDelayMs,
                       period = flushCheckMs,
                       TimeUnit.MILLISECONDS)
    //note: 定时将所有数据目录所有日志的检查点写到检查点文件中
    scheduler.schedule("kafka-recovery-point-checkpoint",
                       checkpointRecoveryPointOffsets,
                       delay = InitialTaskDelayMs,
                       period = flushCheckpointMs,
                       TimeUnit.MILLISECONDS)
    //note: 定时删除标记为 delete 的日志文件
    scheduler.schedule("kafka-delete-logs",
                       deleteLogs,
                       delay = InitialTaskDelayMs,
                       period = defaultConfig.fileDeleteDelayMs,
                       TimeUnit.MILLISECONDS)
  }
  //note: 如果设置为 true， 自动清理 compaction 类型的 topic
  if(cleanerConfig.enableCleaner)
    cleaner.startup()
}

四个定时任务：

1. cleanupLogs，定时清理过期日志segment，并维护日志大小，默认5min执行一次
2. flushDirtyLogs，定时刷新还没写到磁盘上数据
3. checkpointRecoveryPointOffsets，定时将所有日志的checkpoint写到checkpoint文件中，默认60s执行一次
4. deleteLogs，定时删除标记为delete的日志文件，默认30s执行一次。

checkpoint文件
在LogManager中有一个非常重要的文件---checkpoint文件：

1. 创建LogManager时会读取checkpoint文件，并将每个分区对应的checkpoint作为日志的恢复点(recoveryPoint)，最后创建分区对应的日志实例
2. 在将日志刷盘时，将最新的偏移量作为日志的checkpoint进行更新
3. LogManager启动一个定时任务，定时读取所有日志的检查点，并写入全局的检查点文件

日志刷盘

---

在linux系统中，当数据写入到文件系统后，数据其实在操作系统的page cache里，只有执行了刷盘后数据才会写到磁盘里。
在上面提到的定时任务flushDirtyLogs里，会定时将页面缓存中的数据刷新到磁盘中，kafka的刷盘策略有两种：

1. 时间策略，通过log.flush.interval.ms进行配置，默认为无限大。
2. 大小策略，通过log.flush.interval.messages进行配置，当数据超过这个值时进行刷盘。

需要提一下的是，定时任务里只会根据时间策略进行判断是否刷盘，根据大小判断是在append追加日志时进行的判断：

def append(records: MemoryRecords, assignOffsets: Boolean = true): LogAppendInfo = {
  // now append to the log
  segment.append(firstOffset = appendInfo.firstOffset,
    largestOffset = appendInfo.lastOffset,
    largestTimestamp = appendInfo.maxTimestamp,
    shallowOffsetOfMaxTimestamp = appendInfo.offsetOfMaxTimestamp,
    records = validRecords)

  // increment the log end offset
  updateLogEndOffset(appendInfo.lastOffset + 1)

  trace("Appended message set to log %s with first offset: %d, next offset: %d, and messages: %s"
    .format(this.name, appendInfo.firstOffset, nextOffsetMetadata.messageOffset, validRecords))

  if (unflushedMessages >= config.flushInterval)
    flush()
}

日志清理

---

为了保证分区总大小不超过阈值(log.retention.bytes)，LogManager会定时清理旧数据。不过一般情况下是通过配置log.retention.hours来配置segment的保存时间的。删除日志时采用的是copy-on-write的方式来避免加锁。

清理旧日志主要有两种：

1. 删除，超过时间或大小阈值的旧segment直接进行删除
2. 压缩，不是删除在，是是采用合并压缩的方式进行

checkpoint

---

kafka会对三类位移做checkpoint(高版本中还有一个Cleaner Offset)

1. Log Start Offset
2. Recovery Point Offset
3. Replication Offset

Log Start Offset
每个topic partition log对象都有一个重要的位移字段：log start offset，用来标识分区消息对外部用户或应用可见的最早消息位移。在一些事件发生时kafka会触发对该值的更新。kafka对该offset进行checkpoint是为了更快保存分区的元数据，这样下次再初始化Log对象的时候能够直接加载并初始化log start offset.

Recovery Point Offset
它保存的是第一第未flush到磁盘的消息，kafka对它进行checkpoint能够加速日志希恢复的速度，因为直接从recovery point offset所在的日志段开始恢复即可，没必要从头恢复。

Replication Offset
它保存replication过程中副本的高水位(HW)位移值，通常场景是当副本重启后创建Log对象时可以直接使用这个文件中的offset对高水位对象进行赋值，省去了读取日志段然后再计算HW值的步骤.

checkpoint的主要作用是将kafka broker端重要的日志数据保存下来，下次可以快速的找到对应的数据。

参考文章：kafka中针对消费者位移的checkpoint机制具体是如何运转的？