Kafka の効率的なストレージ設計をコミックで解説

Kafka の効率的なストレージ設計をコミックで解説
[[347741]]

始める前に、Kafka の概念をいくつか思い出させてください。

a.ブローカー: データ ストレージとデータの読み取りおよび書き込みサービス インスタンスを提供します。 Kafka ノードはブローカーであり、複数のブローカーが Kafka クラスターを形成できます。

b.トピック: アプリケーション ログのトピック、アプリケーション ヘルス モニタリング インジケーターのトピックなど、メッセージの種類を表します。

紀元前パーティション: トピックの物理的なグループ化。トピックは複数のパーティションに分割できます。

d.セグメント: パーティションは物理的に複数のセグメントで構成され、各セグメントはファイルです。

e.オフセット: 各パーティションは、パーティションに継続的に追加される一連の順序付けられた不変のメッセージで構成されます。パーティション内の各メッセージには、オフセットと呼ばれる連続したシーケンス番号があり、これを使用してパーティション内のメッセージを一意に識別します。

以下は、Kafka データ ディレクトリ内の 2 つのトピック (page_view、ページ閲覧トラフィック ログ、click_log) のパーティション ストレージ状況です。

  1. | --ページビュー-0  
  2. | --ページビュー-1  
  3. | --ページビュー-2  
  4. | --ページビュー-3  
  5. | --クリックログ-0  
  6. | --クリックログ-1  
  7. | --クリックログ-2  
  8. | --クリックログ-3  

次の図は、ファイルがどのように保存されるかを示しています。

  • 各パーティション (ディレクトリ) は、同じサイズの複数のセグメント データ ファイルに均等に分割された巨大なファイルに相当します。ただし、各セグメント ファイル内のメッセージの数は必ずしも同じではありません。この機能を使用すると、古いセグメント ファイルをすばやく簡単に削除できます。
  • 各パーティションは順次読み取りと書き込みのみをサポートする必要があり、セグメント ファイルのライフ サイクルはサーバー構成パラメータによって決まります。

これを行う利点は、不要なファイルをすばやく削除し、ディスク使用率を効果的に向上できることです。

パーティション内のセグメント ファイルの構成と物理構造は次のとおりです。

  • セグメント ファイルの構成: インデックス ファイルとデータ ファイルの 2 つの部分で構成されます。これら 2 つのファイルは互いに対応しており、ペアで表示されます。サフィックス「.index」と「.log」は、それぞれセグメント インデックス ファイルとデータ ファイルを表します。
  • セグメント ファイルの命名規則: グローバル パーティションの最初のセグメントは 0 から始まり、後続の各セグメント ファイルは、前のセグメント ファイルの最後のメッセージのオフセット値に基づいて名前が付けられます。最大値は 64 ビット長、19 桁で、埋められていない桁には 0 が埋め込まれます。

1 つのパーティションを持つ topicXXX を作成し、各セグメントのサイズを 500 MB に設定し、プロデューサーを起動して大量のデータを Kafka ブローカーに書き込みます。パーティション ファイルの内容は次のとおりです。

図1

いくつかのインデックス ファイルとログ ファイル間の対応を示す詳細な図もあります。

図2

インデックス ファイルには大量のメタデータが保存され、データ ファイルには大量のメッセージが保存されます。インデックス ファイル内のメタデータは、対応するデータ ファイル内のメッセージの物理オフセット アドレスを指します。インデックス ファイル内のメタデータ 3,497 を例にとると、これはデータ ファイル内の 3 番目のメッセージ (グローバル パーティション内の 368772 番目のメッセージ) を表し、メッセージの物理オフセット アドレスは 497 です。

たとえば、offset=368776 のメッセージを読み取るには、次の 2 つの手順で検索する必要があります。

最初のステップは、セグメント ファイルを見つけることです。図 1 を例にとると、00000000000000000000.index は最初のファイルを表し、開始オフセットは 0 です。2 番目のファイル 000000000000000368769.index の開始オフセットは 368770 = 368769 + 1 です。同様に、3 番目のファイル 000000000000000737337.index の開始オフセットは 737338 = 737337 + 1 であり、後続のファイルについても同様です。これらのファイルは開始オフセットによって名前が付けられ、並べ替えられます。ファイルリストをオフセットに従ってバイナリ検索する限り、特定のファイルをすばやく見つけることができます。オフセット=368776の場合、00000000000000368769.index|logに移動します。

2 番目のステップ (図 2) は、セグメント ファイルを通じてメッセージを検索することです。セグメント ファイルは最初のステップで見つかります。 offset = 368776 の場合、000000000000000368769.index のメタデータの物理的な場所と 000000000000000368769.log の物理オフセット アドレスが順番に配置されます。次に、オフセット = 368776 になるまで、00000000000000368769.log が順番に検索されます。

これを行う利点は明らかです。セグメント インデックス ファイルはスパース インデックス ストレージを採用しており、インデックス ファイルのサイズが削減され、mmap を介してメモリ上で直接操作できます。スパース インデックスは、データ ファイル内の対応する各メッセージのメタデータ ポインターを設定します。高密度インデックスよりも多くのストレージスペースを節約できますが、検索に時間がかかります。

[[347742]]

この記事はWeChatの公開アカウント「朗江ビッグデータ雑談」から転載したものです。下のQRコードからフォローできます。この記事を転載する場合は、朗江チャットビッグデータ公式アカウントまでご連絡ください。

<<:  VMwareインフラストラクチャ上でNvidia vGPUを実行できるようになりました

>>:  クラウド コンピューティング チームの IT 後継者計画を作成する方法

推薦する

locvpsロシアcn2 giaハイエンドラインvpsの簡単なテスト、速度は非常に良いです

locvps は、ロシアの vps も提供します。これは、デフォルトでロシアの cn2 gia ライ...

Doubanは衰退していますか?

この記事はもともと2018年2月に書かれました。私は古くからのDoubanユーザーとして、このニッチ...

検索で「プラチナトラフィック」をめぐる論争が勃発

最近、中国インターネット情報センター(CNNIC)は「2007年中国検索エンジン市場調査レポート」を...

エッジコンピューティングが次の感染拡大のポイントになります。クラウドコンピューティングの巨人は混乱に陥るでしょうか?

最近の雲奇カンファレンスで、アリババグループの上級副社長兼アリババクラウド社長の胡暁明氏は、IoT(...

鉄道省が電子商取引の購買代理店をブロック:1年後には販売店の50%が閉鎖される可能性も

4月初旬から、鉄道部は列車チケット購入代理店に対する「厳重取り締まり」キャンペーンを開始した。JD....

Bステーションアップマスターの商業的ジレンマ

大晦日のガラが話題になって以来、ビリビリはネットユーザーに常に新しい話題を提供し続けている。ビリビリ...

AIが新たな応用シナリオを切り開き、ファーウェイクラウドModelArts Proが新たな開発パラダイムを創出

私たちは、すべてが感知され、すべてがつながり、すべてがインテリジェントになる時代に入りつつあります。...

acclouds: 日本のソフトバンク VPS、Netflix をブロック解除、月額 55 元、512M メモリ/1 コア/20g SSD/1T トラフィック

中国の新興企業であるaccloudsは、主にKVM仮想化ベースのVPSを運営しています。現在は、日本...

百度の重みをどう判断するか

最近、部署の社員が百度重みについて議論しているのをよく耳にします。私は、ウェブサイトの百度重みの変化...

シームレスなハイブリッドクラウド + SD-WAN ZStack が Dahe Cloud と提携し、クラウドネットワークの新たな章を開く

2018年、プライベートクラウドとパブリッククラウドの競争熱は薄れ、両者の利点を組み合わせたハイブリ...

Baidu製品を使用して業界のニーズを理解する

SEO に精通している人は、Baidu の製品を使用して業界ユーザーのニーズを把握する方法を知ってい...

weloveservers-1G メモリ/年間 19.99 ドル/3 つのデータセンター

weloveservers、1Gメモリ特別版の説明:サーバーはIntel Xeon Quad-Cor...

競合他社の外部リンクを分析する方法

どの業界でも競合相手と遭遇しますが、SEO も同じです。ウェブサイトを上位にランク付けするために一生...

セキュリティを犠牲にすることなくDevOpsをクラウドに移行する方法

企業による DevOps の導入は、開発がこれまで以上に高速化することを意味します。では、特にビジネ...

近年合併したクラウドコンピューティング大手

8月7日は中国の伝統的なバレンタインデーです。みんなが中国のバレンタインデーを祝っているのを見て、戦...