最近我們的 Pulsar 存儲有很長一段時間數據一直得不到回收，但消息確實已經是 ACK 了，理論上應該是會被回收的，隨著時間流逝不但沒回收還一直再漲，最后在沒找到原因的情況下就只有一直不停的擴容。

最后磁盤是得到了回收，過程先不表，之后再討論。

為了防止類似的問題再次發生，我們希望可以監控到磁盤維度，能夠列出各個日志文件的大小以及創建時間。

這時就需要對 Pulsar 的存儲模型有一定的了解，也就有了這篇文章。

圖片

講到 Pulsar 的存儲模型，本質上就是 Bookkeeper 的存儲模型。

Pulsar 所有的消息讀寫都是通過 Bookkeeper 實現的。

Bookkeeper 是一個可擴展、可容錯、低延遲的日志存儲數據庫，基于 Append Only 模型。（數據只能追加不能修改）

圖片

這里我利用 Pulsar 和 Bookkeeper 的 Admin API 列出了 Broker 和 BK 中 Ledger 分別占用的磁盤空間。

關于這個如何獲取和計算的，后續也準備提交給社區。

背景

但和我們實際 kubernetes 中的磁盤占用量依然對不上，所以就想看看在 BK 中實際的存儲日志和 Ledger 到底差在哪里。

知道 Ledger 就可以通過 Ledger 的元數據中找到對應的 topic，從而判斷哪些 topic 的數據導致統計不能匹配。

Bookkeeper 有提提供一個Admin API 可以返回當前 BK 所使用了哪些日志文件的接口:https://bookkeeper.apache.org/docs/admin/http#endpoint-apiv1bookielist_disk_filefile_typetype

圖片

從返回的結果可以看出，落到具體的磁盤上只有一個文件名稱，是無法知道具體和哪些 Ledger 進行關聯的，也就無法知道具體的 topic 了。

此時只能大膽假設，應該每個文件和具體的消息 ID 有一個映射關系，也就是索引。所以需要搞清楚這個索引是如何運行的。

存儲模型

圖片

我查閱了一些網上的文章和源碼大概梳理了一個存儲流程：

1. BK 收到寫入請求，數據會異步寫入到 Journal/Entrylog
2. Journal 直接順序寫入，并且會快速清除已經寫入的數據，所以需要的磁盤空間不多（所以從監控中其實可以看到 Journal 的磁盤占有率是很低的）。
3. 考慮到會隨機讀消息，EntryLog 在寫入前進行排序，保證落盤的數據中同一個 Ledger 的數據盡量挨在一起，充分利用 PageCache.
4. 最終數據的索引通過 LedgerId+EntryId 生成索引信息存放到 RockDB 中（Pulsar 的場景使用的是 DbLedgerStorage 實現）。
5. 讀取數據時先從獲取索引，然后再從磁盤讀取數據。
6. 利用 Journal 和 EntryLog 實現消息的讀寫分離。

簡單來說 BK 在存儲數據的時候會進行雙寫，Journal 目錄用于存放寫的數據，對消息順序沒有要求，寫完后就可以清除了。

而 Entry 目錄主要用于后續消費消息進行讀取使用，大部分場景都是順序讀，畢竟我們消費消息的時候很少會回溯，所以需要充分利用磁盤的 PageCache，將順序的消息盡量的存儲在一起。

同一個日志文件中可能會存放多個 Ledger 的消息，這些數據如果不排序直接寫入就會導致亂序，而消費時大概率是順序的，但具體到磁盤的表現就是隨機讀了，這樣讀取效率較低。

所以我們使用 Helm 部署 Bookkeeper 的時候需要分別指定 journal 和 ledgers 的目錄

volumes:  
  # use a persistent volume or emptyDir  
  persistence: true  
  journal:  
    name: journal  
    size: 20Gi  
    local_storage: false  
    multiVolumes:  
      - name: journal0  
        size: 10Gi  
        # storageClassName: existent-storage-class  
        mountPath: /pulsar/data/bookkeeper/journal0  
      - name: journal1  
        size: 10Gi  
        # storageClassName: existent-storage-class  
        mountPath: /pulsar/data/bookkeeper/journal1  
  ledgers:  
    name: ledgers  
    size: 50Gi  
    local_storage: false  
    storageClassName: sc
    # storageClass:  
      # ...    useMultiVolumes: false  
    multiVolumes:  
      - name: ledgers0  
        size: 1000Gi  
        # storageClassName: existent-storage-class  
        mountPath: /pulsar/data/bookkeeper/ledgers0  
      - name: ledgers1  
        size: 1000Gi  
        # storageClassName: existent-storage-class  
        mountPath: /pulsar/data/bookkeeper/ledgers1

圖片

每次在寫入和讀取數據的時候都需要通過消息 ID 也就是 ledgerId 和 entryId 來獲取索引信息。

也印證了之前索引的猜測。

所以借助于 BK 讀寫分離的特性，我們還可以單獨優化存儲。

比如寫入 Journal 的磁盤因為是順序寫入，所以即便是普通的 HDD 硬盤速度也很快。

大部分場景下都是讀大于寫，所以我們可以單獨為 Ledger 分配高性能 SSD 磁盤，按需使用。

因為在最底層的日志文件中無法直接通過 ledgerId 得知占用磁盤的大小，所以我們實際的磁盤占用率對不上的問題依然沒有得到解決，這個問題我還會持續跟進，有新的進展再繼續同步。