kafka之消息格式 - 爱码网文章目录Kafka版本消息格式V0版本V1版本Message SetV0与V1的缺陷V2版本Kafka版本kafka版本1.1.1，可能绝大部分也适用于kafka 0.10.x及以上版本。消息格式目前Kafka消息格式有三个版本，V0、V1和V2。V0版本V0版本主要是指Kafka0.10.0.0之前的版本，是kafka最早的消息版本https://www.likecs.com/show-204457519.html

Kafka版本

1. kafka版本1.1.1，可能绝大部分也适用于kafka 0.10.x及以上版本。

消息格式

1. 目前Kafka消息格式有三个版本，V0、V1和V2。

V0版本

1. V0版本主要是指Kafka0.10.0.0之前的版本，是kafka最早的消息版本

2. 字段含义

   • CRC(4B):CRC校验码，占用4个字节，校验magic至value之间字节是否被篡改
   • magic(1B):消息格式版本号，占用1个字节。V0版本是0，V1版本是1，V2版本是2
   • attributes(1B):属性字段，占用1个字节，只使用低3位表示消息的压缩类型，其他5位是保留位。
     • 0表示NONE，表示不启用压缩
     • 1表示GZIP
     • 2表示SNAPPY
     • 3表示LZ4
   • key length(4B):表示消息的key的长度。如果为-1，则表示没有设置key，即key=null
   • key:消息key，长度由key length值指定。如果key length值是-1，则无key（没有此字段）
   • value length(4B):表示消息的长度，占用4字节。
   • value:消息value，长度由value length值指定。如果value length值是-1，则无value，消息没有该字段。

3. 消息头部(message Header):除了Key和Value之外的所有字段统称为消息头部。总共占用14字节（4B+1B+1B+4B+4B），即V0版本的消息长度最小是14B

4. 此版本的问题

   • 即使不指定key（即key length=-1），还是要占用4个字节的空间
   • 即使不指定value（即value length=-1），还是要占用4个字节的空间
   • 没有消息的时间信息。kafka定期删除过期log只能依靠文件的最后修改时间。文件系统最后的修改时间很容易受到外部不确定因素的干扰。

V1版本

1. V1版本主要是[0.10.0.0,0.11.0.0)之间的版本

2. V1与V0的主要差异

   • 引入了8B的时间戳，即V1版本的消息头部最小是22B（14B+8B）
   • 属性字段第4位被用于指定时间戳类型
     • 0表示timestamp类型为CREATE_TIME，CREATE_TIME表示在消息创建时由producer指定的时间戳
     • 1表示timestamp类型为LOG_APPEND_TIME。LOG_APPEND_TIME 表示消息被发送到broker端时由broker指定的时间戳。

Message Set

1. Kafka的消息层次分为：消息集合（message set）和消息。V0和V1版本使用的是日志项（log entry），以下是日志项的格式

2. 每个消息集合中的日志项由shallow message和log entry header组成

   • shallow message:如果没有启用消息压缩，那么shallow message就是这条消息本身。如果启用消息压缩，kafka会将多条消息压缩到一起统一封装成shallow message的value字段。此时该shallow message被称为wrapper消息（或者外部消息），而value字段中包含的消息则被称为inner消息（内部消息）。v0和v1版本中的日志项只能包含一条shallow message
   • log entry header(日志项头部）：由8B的offset和4B的size组成。offset指该消息在分区日志中的offset，如果是未压缩的消息，该offset就是消息的offset，否则该字段表示wrapper消息中最后一条inner消息的offset。因此，从V0、V1版本消息集合日志项中搜索该日志项的起始偏移是非常困难的，需要遍历所有的inner消息，即broker需要解压缩操作。

V0与V1的缺陷

1. 空间利用率不高：不论key和value长度是多少，总是固定占用4B
2. 只保存最新消息偏移量：如果启用压缩，offset是消息集合中最后一条消息的offset。如果想要获取第1条消息的offset，必须解压所有消息并加载到内存中，然后反向遍历才能获取到
3. CRC校验，为每条消息都执行CRC没有必要
4. 未保存消息长度:每次需要单条消息的总字节数信息时都需要计算得出，没有使用单独字段来保存。每次计算时为了避免对现有数据结构的破坏，都需要大量的对象副本， 解序列化效率很低。

V2版本

1. V1版本主要是0.11.0.0（包含）之后的版本。此版本相比于v0和v1改动很大，引入了变长整型（Varints）和ZigZag编码(借鉴ProtoBuffer中的Zig-zag编码方式，绝对值较小的整数占用比较少的字节)。Varints是使用一个或多个字节来序列化整数的一种方法，数值越小，其所占用的字节数就越少。Zig-zag编码方式，使得绝对值较小的整数占用比较少的字节

2. 字段详解

   • 增加消息总长度字段
   • 可变时间戳，使用一个可变长度保存与batch起始时间戳的差值。差值一般很小，所以需要保存的字节也小
   • 增加offset，保存消息offset与外层batch起始offset的差值，节省消息总字节数
   • 增加消息headers，主要是为了满足用户定制化需求，用户手动设置的
   • 去除CRC校验，V2不再为每条消息计算CRC32值，而是对整个消息batch进行CRC校验
   • 废弃attribute字段。V2版本将原先保存在attribute字段中的压缩类型、时间戳等信息统一保存在外层batch格式字段中，但是依然保留了单字节attribute为了以后扩展使用。

3. V2版本中消息集合（message set）被消息批次所取代，叫做RecordBatch。这里的RecordBatch与producer中的batch不是一个含义。

4. bath字段详解

   • CRC被放入Batch

   • 增加2B的attribute。

     • 最低3位依然是压缩类型

     • 第4位保存时间戳类型（NO_TIMESTAMP_TYPE是-1，CREATE_TIME是0，LOG_APPEND_TIME是1）。

     • 第5位事务类型(事务消息是1，非事务消息是0)

     • 第6位控制类型（ABORT是0，COMMIT是1，UNKNOWN是-1）

   • PID、 producer epoch 和***等信息都是 0.11.0.0 版本为了实现幂等性 producer 和支持事务而引入的。Kafka依靠PID+epoch来辨别消息是否己成功提交，从而防止出现重复生产消息。

5. 0.11.0.0版本(及以后)的 Kafka消息在支持事务、幕等性 producer的同时还在一定程度上减少了网络I/O和磁盘 I/O 的开销(因V2版本协议的缘故)