Kafka配置中的日志清理策略
Kafka的日志清理策略用于管理磁盘空间占用，通过定期清理过期或冗余数据，确保系统性能与存储资源的合理利用。Kafka提供**删除策略（Delete）和压缩策略（Compaction）**两种核心清理方式，支持单独或组合使用，同时可通过时间、大小、起始偏移量等多维度触发清理。

一、核心清理策略

1. 删除策略（Delete）

删除策略是最基础的清理方式，通过时间、大小或起始偏移量三个维度判断日志分段的保留价值，触发后直接删除旧数据。

• 基于时间的保留：通过log.retention.ms（毫秒，优先级最高）、log.retention.minutes（分钟）、log.retention.hours（小时，默认168小时/7天）配置消息保留时长。当消息的最新时间戳超过阈值时，对应日志分段会被标记为删除。
• 基于大小的保留：通过log.retention.bytes配置每个分区的最大存储空间（默认-1，表示无限制）。当分区总大小超过阈值时，从最早的分段开始删除，直到剩余空间满足要求。
• 基于起始偏移量的保留：若日志分段的下一个分段起始偏移量（nextOffset）小于等于当前分区的logStartOffset（如消费者组的消费进度），则该分段会被删除。此策略用于清理已被消费且无需保留的历史数据。

2. 压缩策略（Compaction）

压缩策略适用于需要保留每个键（Key）最新值的场景（如数据库变更日志、状态更新），通过后台Cleaner线程池实现。其工作流程如下：

• 收集日志段：扫描日志分段，识别需要压缩的段（如超过log.cleaner.min.cleanable.ratio阈值的段）；
• 构建索引：为每个分段建立键到最新偏移量的映射，快速定位每个键的最新消息；
• 合并分段：将相同键的最新值写入新分段，旧版本的消息被丢弃；
• 替换旧分段：新分段生成后，原子性替换旧分段，确保数据一致性。

需通过log.cleanup.policy=compact启用，并开启log.cleaner.enable=true（默认开启）。

二、策略组合与配置参数

Kafka允许同时使用删除与压缩策略（如log.cleanup.policy=delete,compact），兼顾数据新鲜度与存储效率。关键配置参数如下：

• log.cleanup.policy：设置清理策略，可选delete（默认）、compact或delete,compact；
• log.retention.check.interval.ms：日志清理任务检查间隔，默认300,000毫秒（5分钟）；
• log.segment.bytes：每个日志分段的大小（默认1GB），分段越小，清理粒度越细，但会增加管理开销；
• log.cleaner.threads：清理线程数量（默认1），可根据CPU核心数调整以提高压缩效率；
• log.cleaner.interval.ms：清理线程运行间隔（默认60,000毫秒/1分钟），控制压缩任务的执行频率。

三、配置注意事项

• 数据丢失风险：缩短保留时间（如log.retention.ms=3600000，1小时）或减小保留大小（如log.retention.bytes=1073741824，1GB）可能导致数据丢失，需根据业务重要性权衡；
• 性能影响：频繁的日志刷新（如log.flush.interval.ms=1000，1秒）或压缩任务会增加磁盘IO负载，建议在高吞吐场景下适当调整；
• 压缩效果：压缩对批处理数据（如JSON、Avro）效果显著（压缩比5x-7x），但对小批量、高频消息的提升有限。