downgoon / big-sequence-file Goto Github PK
View Code? Open in Web Editor NEWa big file providing sequential data access
a big file providing sequential data access
在 #1 中提到没有必要在头部记录usedSize
。
那么进一步,就没必要用内存映射了,因为内存映射主要是为了回写头部时带来效率,现在没有头部,就都是追加,内存映射反而影响效率。
再看看.bsf的头部:
对于写入位置,压根不需要记录,一定是最后一个文件(名字编号最大的)的末尾(因为没有内存映射,不用预分配空间,直接追加就好)。
对于读取位置,的确需要记录。另外,kafka这类是不记录的,它把记录的任务交给客户端了,当然客户端也可以从任意点重新再读一遍。
最后,trunk-count
是一个可选项。记录了,会一眼看出有没有消息的消费滞后,不记录也不影响主要操作:顺序写,顺序读。
segment有个12B的固定头部。最必要的信息是第4个字段usedSize,表示segment文件的实际使用大小。您可能会说,为什么需要额外存储这个值?文件大小难道不是操作系统的文件系统就管理了的吗?!主要是因为实现时,底层采用了内存映射机制,每次映射了BSFConf.segmentLimitBytes大小,默认值是128MB,相当于每次segment都是以128MB为单位分配,无论它实际是否用到。
kafka
在 big-sequence-file
中,多个segment
的起名规则是:XXX_0.seg
,XXX_1.seg
,XXX_2.seg
。在kafka
里,segment
文件名后缀记录了本文件相对整体文件的起始偏移量,相当于记录了上一个
文件的结束量,这样就知道每个文件的有效字节数了。
例如:
hello.bsf
hello_00000000000000000000.seg
hello_00000000000000001003.seg
hello_00000000000000001946.seg
hello_00000000000000003068.seg
假设一个segment
的预分配容量是1MB,超过1MB就切换下一个文件。那么hello_00000000000000000000.seg
文件的有效大小就是下一个文件的文件名1003
,并且有1024-1003=21B浪费(叫段内碎片);同样hello_00000000000000001003.seg
的有效大小就是 1946-1003=943B,浪费了1024-943=81B,也可以推断下一个文件(也就是hello_00000000000000001946.seg
)的第一个消息的总长度一定超过了81B,否则不会触发切换新文件。
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.