Kafka中的日志数据清理策略

  • Kafka将数据持久化到了硬盘上,为了控制磁盘容量,需要对过去的消息进行清理

  • Kafka日志删除策略

    • 内部有个定时任务检测删除日志,默认是5分钟 log.retention.check.interval.ms
    • 支持配置策略对数据清理
    • 根据segment单位进行定期清理
  • 启用cleaner

    • log.cleaner.enable=true
    • log.cleaner.threads = 2 (清理线程数配置)
  • 日志删除

    • log.cleanup.policy=delete
    #清理超过指定时间的消息,默认是168小时,7天,
    #还有log.retention.ms, log.retention.minutes, log.retention.hours,优先级高到低
    log.retention.hours=168
    
    #超过指定大小后,删除旧的消息,下面是1G的字节数,-1就是没限制
    log.retention.bytes=1073741824
    
    还有基于日志起始位移(log start offset),未来社区还有更多
    • 基于【时间删除】 日志说明
    配置了7天后删除,那7天如何确定呢?
    
    每个日志段文件都维护一个最大时间戳字段,每次日志段写入新的消息时,都会更新该字段
    
    一个日志段segment写满了被切分之后,就不再接收任何新的消息,最大时间戳字段的值也将保持不变
    
    kafka通过将当前时间与该最大时间戳字段进行比较,从而来判定是否过期
    • 基于【大小超过阈值】 删除日志 说明
      • log.retention.bytes和log.retention.minutes任意一个达到要求,都会执行删除
    假设日志段大小是500MB,当前分区共有4个日志段文件,大小分别是500MB,500MB,500MB和10MB
    
    10MB那个文件就是active日志段。
    
    此时该分区总的日志大小是3*500MB+10MB=1500MB+10MB
    
    如果阈值设置为1500MB,那么超出阈值的部分就是10MB,小于日志段大小500MB,故Kafka不会执行任何删除操作,即使总大小已经超过了阈值;
    
    如果阈值设置为1000MB,那么超过阈值的部分就是500MB+10MB > 500MB,此时Kafka会删除最老的那个日志段文件
    
    注意:超过阈值的部分必须要大于一个日志段的大小
  • 日志压缩

    • log.cleanup.policy=compact 启用压缩策略
    • 按照消息key进行整理,有相同key不同value值,只保留最后一个
上一篇:Kafka 消费者分区分配器 RangeAssignor


下一篇:大数据常用框架中的基本命令