华为面试官教你应对大厂kafka索引面试题

在Kafka的数据路径下有很多.index和.timeindex后缀文件：

.index文件，即Kafka中的位移索引文件
.timeindex文件，即时间戳索引文件。

1 OffsetIndex - 位移索引

1.1 定义

用于根据位移值快速查找消息所在文件位置。

每当Consumer需要从topic分区的某位置开始读消息时，Kafka就会用OffsetIndex直接定位物理文件位置，避免从头读取消息的I/O性能开销。

不同索引类型保存不同的 K.V 对。OffsetIndex的K即消息的相对位移，V即保存该消息的日志段文件中该消息第一个字节的物理文件位置。

相对位移

AbstractIndex类中的抽象方法entrySize定义了单个K.V对所用的字节数。
OffsetIndex的entrySize就是8，如OffsetIndex.scala中定义的那样：

相对位移是个Integer，4字节，物理文件位置也是一个Integer，4字节，因此共8字节。

Kafka的消息位移值是一个长整型（Long），应占8字节。在保存OffsetIndex的K.V对时，Kafka做了一些优化。每个OffsetIndex对象在创建时，都已保存了对应日志段对象的起始位移，因此，OffsetIndex无需保存完整8字节位移值。实际上，只需保存与起始位移的差值，该差值整型存储足矣。这种设计就让OffsetIndex每个索引项都节省4字节。

假设某一索引文件保存1000个索引项，使用相对位移值就能节省大约4M。
AbstractIndex定义了relativeOffset方法

将一个Long位移值转换成相对偏移
真正的转换

读取OffsetIndex时，还需将相对偏移值还原成之前的完整偏移。

parseEntry：构造OffsetPosition所需的Key和Value
)
该方法返回OffsetPosition类型。因为该类的俩方法分别返回索引项的K、V。
physical

写索引项 - append

通过Long位移值和Integer物理文件位置参数，然后向mmap写入相对位移值、物理文件位置

Truncation 截断

将索引文件内容直接裁剪掉部分。比如，OffsetIndex索引文件中当前保存100个索引项，现在只想保留最开始40个索引项。

truncateToEntries

使用OffsetIndex

OffsetIndex被用来快速定位消息所在的物理文件位置，那么必然需定义一个方法执行对应的查询逻辑。这个方法就是lookup。

该方法返回的，是不大于给定位移值targetOffset的最大位移值，以及对应的物理文件位置。你大致可以把这个方法，理解为位移值的FLOOR函数。

2 TimeIndex - 时间戳索引

2.1 定义

用于根据时间戳快速查找特定消息的位移值。

TimeIndex保存<时间戳，相对位移值>对：

时间戳需长整型存储
相对偏移值使用Integer存储

因此，TimeIndex单个索引项需要占12字节。
存储同数量索引项，TimeIndex比OffsetIndex占更多磁盘空间。

2.2 写索引

maybeAppend

向TimeIndex写索引的主体逻辑，是向mmap分别写入时间戳和相对偏移值。
除校验偏移值的单调增加性之外，TimeIndex还会确保顺序写入的时间戳也单调增加。

不单调增加会咋样？

向TimeIndex索引文件中写入一个过期时间戳和位移，就会导致消费端程序混乱。因为，当消费者端程序根据时间戳信息去过滤待读取消息时，它读到了这个过期时间戳并拿到错误位移值，于是返回错误数据。

3 总结及 FAQ

虽然OffsetIndex和TimeIndex是不同类型索引，但Kafka内部把二者结合使用。通常先使用TimeIndex寻找满足时间戳要求的消息位移值，然后再利用OffsetIndex定位该位移值所在的物理文件位置。因此，它们其实是协作关系。

二者的 broker 端参数都是log.index.size.max.bytes

为什么需要一起使用，消费者不是根据Offset找到对于位置值开始消费就好吗？而且结合使用性能也应该降低吧？
没错。不过一般情况下消费者并不是直接能够定位目标offset，相反地它是通过时间戳先找到目标offset。

不要对索引文件做任何修改！擅自重命名索引文件可能导致Broker崩溃无法启动的场景。虽然Kafka能重建索引，但随意删除索引文件很危险！

建立分区初始化的时候，log-segment的位移索引和时间索引文件将近有10M的数据？
里面为空，只是预分配了10MB的空间
kafka记录消费者的消费offset是对消费者组，还是对单个消费者？比如一个消费者组中新加入一个消费者，分区重新分配，那新加入的消费者是从哪里开始消费？
针对消费者组，或者说针对每个group id。保存的是<groupId, topicPartition, offset>三元组。新增消费者拿到要消费的分区后，去查看有无对应的三元组记录，如果没有，则根据consumer端参数auto.offset.reset值来决定从哪里开始消费