摘要:本文将就的消息存储问题开一个头,后续将会对重要的代码部分一一讲解。消息是造作的最小单元,并不允许更改消息的实际内容,一条消息本质上是一个键值可缺省的键值对。
摘要
Kafka作为一个消息中间件系统,面临的首要问题就是消息如何持久化,如何方便地进行读写和解析。本文将就Kafka的消息存储问题开一个头,后续将会对重要的代码部分一一讲解。Kafka的消息概念,首先我们在此谈论的不是网络传递中的消息,而更多偏向于记录的意思,也就是消费者和生产者所在意的实际对象。消息是Kafka造作的最小单元,并不允许更改消息的实际内容,一条消息本质上是一个键值可缺省的键值对。
消息格式下面首先以Kafka 0.10.0版本为例来解释一下其消息格式:
CRC+magic+attributes+wrapperTimestamp(optional)+key(长度+内容)+payload(长度+内容)
下面依次列出每一部分
* 1. 4 byte CRC32 校检值 * 2. 1 byte "magic" 标识符来显示消息格式是否发生了改动,值为0/1(也可以看作是版本号) * 3. 1 byte "attributes" 标识符,包含以下内容: * bit 0 ~ 2 : 压缩编码方式 * 0 : no compression * 1 : gzip * 2 : snappy * 3 : lz4 * bit 3 : 时间戳类型 * 0 : create time * 1 : log append time * bit 4 ~ 7 : 保留部分 * 4. (可选) 8 byte 时间戳,只有magic为1时才携带该部分 * 5. 4 byte key length, 指定Key部分的长度 * 6. K byte key * 7. 4 byte payload length, 指定值的长度 * 8. V byte payload
Kafka的消息格式在设计上允许多重嵌套,这种嵌套是通过压缩实现的。试想一下,某个消息的key为空,然后它的value部分是一个压缩后的MessageSet,那么经过解压缩并读取后它就是一个键值对集合了,这有些类似于json了。但实际上Kafka的消息只允许二重嵌套,这并非由其消息格式的局限性决定,而是考虑到读取消息时解析的复杂度决定。嵌套消息使得Kafka传递复杂类型的对象成为可能,但是出于性能因素的考虑,对象序列化和过于复杂的数据格式并不适合消息系统这一业务,或者说kafka在性能方面和表达能力上做了一个漂亮的妥协。
同时,我们还要重点来谈一谈时间戳相关,时间戳有三种取值,分别是-1代表不带时间戳,0代表该消息创建的时间,1代表它持久化时间(也可以理解为入库被kafka处理的时间)。对于嵌套的消息来说,若我们选择时间戳类型为入库时间,则被压缩消息的时间戳和其外层消息一致;若我们选择时间戳类型为创建时间,则应该从字节码流中读取;若magic值为0.则不管如何,都应该认为时间戳为-1,时间戳类型为CREATE_TIME。
Message类的代码设计虽然看起来消息格式好像比较简单,但实际上代码却相对有些复杂,最重要的问题是1、要兼容magic为0的情况,2、要能为后续的版本升级留出扩展。我们首先思考一下,Message类应该具有哪些功能呢大致分为下面几个部分:
预定义的变量由于操作的是bytes,大量的取值需要位操作,所以我们应该预定义好一些位操作辅助变量和一些重要的偏移位置。这里面有几个比较重要的预定义变量需要着重强调一下:
key length byte的位置,因为它是头和体的分割点
从attributs byte读取时间戳类型和压缩编码方式的辅助变量
下面上代码
/** * Specifies the mask for the compression code. 3 bits to hold the compression codec. * 0 is reserved to indicate no compression */ val CompressionCodeMask: Int = 0x07 /** * Specifies the mask for timestamp type. 1 bit at the 4th least significant bit. * 0 for CreateTime, 1 for LogAppendTime */ val TimestampTypeMask: Byte = 0x08 val TimestampTypeAttributeBitOffset: Int = 3 public byte updateAttributes(byte attributes) { return this == CREATE_TIME ? (byte) (attributes & ~Record.TIMESTAMP_TYPE_MASK) : (byte) (attributes | Record.TIMESTAMP_TYPE_MASK); } public static TimestampType forAttributes(byte attributes) { int timestampType = (attributes & Record.TIMESTAMP_TYPE_MASK) >> Record.TIMESTAMP_TYPE_ATTRIBUTE_OFFSET; return timestampType == 0 ? CREATE_TIME : LOG_APPEND_TIME; } def compressionCodec: CompressionCodec = CompressionCodec.getCompressionCodec(buffer.get(AttributesOffset) & CompressionCodeMask)各个属性的get方法
这个不用多说,需要注意的就是magic的值不同,有些取值的偏移位置不一样,所以需要事先写好静态方法快捷获得不同magic下的位置偏移。
合法性检查主要检查以下几个方面:
magic值和时间戳类型和时间戳值的组合是否一致
CRC 校检是否通过
不同magic值下的message相互转换1. 计算新message需要的空间大小并分配 2. 写入新的magic值 3. 取原来的attribute并用设置的TimestampType更新它,然后写入attribute值 4. 若是0->1则写入时间戳 5.写入原来的消息体 6.计算新的CRC值并填充一系列的构造方法
主要的构造途径有两条:
主要用于构造嵌套消息,直接传入buffer数据,可以设定时间戳和时间戳类型
主要用于构造原子消息,传入键值对数据,并设定主要参数(magic、压缩编码、时间戳类型、时间戳)
消息相关的主要类下面就依次介绍每个类的作用
MessageAndOffset:在Message之外附加它处于set中的偏移
MessageAndMeta:主要功能是包装解码器将message解码为Key和Value对象
MessageSet:管理message集合,事先集合的顺序读和批量写,但个人认为其代码的重心在于如何解决消息嵌套的解析
ByteBufferMessageSet:用ByteBuffer来存储序列的Message,主要为了方便读Message的操作
ByteBufferBackedInputStream:将buffer的读写包装成流的模式
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/33840.html
摘要:概览概览产品简介操作指南集群管理节点管理磁盘管理管理管理监控视图监控项说明开发指南快速开始认证配置与外网访问客户端性能测试连接器产品介绍快速开始产品功能性能测试产品价格产品价格 概览产品简介操作指南集群管理节点管理磁盘管理Topic管理ConsumerGroup管理监控视图监控项说明开发指南快速开始认证配置与外网访问客户端SDK性能测试FAQsKafka连接器产品介绍快速开始产品功能性能测试...
摘要:默认情况下,当数据元到达时,分段接收器将按当前系统时间拆分,并使用日期时间模式命名存储区。如果需要,可以使用数据元或元组的属性来确定目录。这将调用传入的数据元并将它们写入部分文件,由换行符分隔。消费者的消费者被称为或等。 1 概览 1.1 预定义的源和接收器 Flink内置了一些基本数据源和接收器,并且始终可用。该预定义的数据源包括文件,目录和插socket,并从集合和迭代器摄取数据...
摘要:授权框架使第三方应用程序来获取对服务的有限访问机会。无论是通过编排资源所有者和服务之间的交互批准的资源所有者,或通过允许第三方应用程序来获取自己的访问权限。 SpringCloud打造微服务平台--概览 简述 SpringCloud是什么 Spring Boot和SpringCloud是什么关系 Spring Boot是Spring的一套快速WEB开发的脚手架,可建立独立的Sprin...
摘要:快速开始本例以数据同步到来做说明。创建连接器点击创建连接器按钮,打开配置页面。若下游为,则需配置路径,若为,则需填写信息。连接器列表详情页数据验证参考,为集群创建,并写入消息到其中。快速开始本例以UKafka数据同步到UHadoop来做说明。创建连接器点击【创建连接器】按钮,打开配置页面。配置连接器基本信息配置按需填写。【上游】意为Kafka连接器上游的Kafka集群,【下游】意为Kafka...
摘要:关于的分区策略以及与消费者间平衡后续文章会继续深入讲解。是一群消费者的集合,可以称之为消费者组,是一种更高层次的的抽象,向订阅消费消息的单位是,当然它其中也可以只有一个消费者。存储消息也是消息系统的一大功能,相对普通的消息队列存储来 我们在学习一个东西的时候,往往只有真正了解它背后的含义,才能一步一步的掌握它,直到运筹帷幄。对于Kafka来说,我也是一个小白,本篇文章我就以一个小白的角...
阅读 3055·2021-11-24 09:38
阅读 1994·2021-11-23 09:51
阅读 1557·2021-10-13 09:39
阅读 2336·2021-09-23 11:53
阅读 1212·2021-09-02 15:40
阅读 3470·2019-08-30 15:54
阅读 1000·2019-08-30 13:04
阅读 2403·2019-08-30 11:01