消息中间件篇之Kafka-数据清理机制

一、Kafka文件存储机制

        Kafka文件存储结构：一个Topic有多个分区。每一个分区都有多个段，每个段都有三个文件。

        为什么要分段？1. 删除无用文件方便，提高磁盘利用率。 2. 查找数据便捷。

二、数据清理机制

1.日志的清理策略方案1

        根据消息的保留时间，当消息在kafka中保存的时间超过了指定的时间，就会触发清理过程。默认是168小时。

2.日志的清理策略方案2

        根据topic存储的数据大小，当topic所占的日志文件大小大于一定的阈值，则开始删除最久的消息。需手动开启。

三、面试题

面试官：Kafka数据清理机制了解过嘛？

候选人：Kafka中topic的数据存储在分区上，分区如果文件过大会分段存储segment，每个分段都在磁盘上以索引(xxxx.index)和日志文件(xxxx.log)的形式存储，这样分段的好处是，第一能够减少单个文件内容的大小，查找数据方便，第二方便kafka进行日志清理。

在kafka中提供了两个日志的清理策略：

第一，根据消息的保留时间，当消息保存的时间超过了指定的时间，就会触发清理，默认是168小时（ 7天）。

第二是根据topic存储的数据大小，当topic所占的日志文件大小大于一定的阈值，则开始删除最久的消息。这个默认是关闭的。

这两个策略都可以通过kafka的broker中的配置文件进行设置。