作者： Unmesh Joshi

译者： java达人

预写日志中的索引，表示可以丢弃日志的哪一部分。

问题

预写日志维护对持久性存储的每一次更新。随着时间的进展，它会无限制地增长。Segmented Log允许一次处理较小的文件，但是如果不检查，总磁盘存储量将无限制增长。

解决方案

有一种机制可以告诉日志记录机器可以安全地丢弃日志的哪一部分。该机制提供了最低的偏移量或low water mark，在此之前的日志可以丢弃。让任务在后台的单独线程中运行，该任务连续检查可以丢弃日志的哪一部分并删除磁盘上的文件。

this．logCleaner ＝ newLogCleaner（config）；this．logCleaner．startup（）；

日志清理器可以实现为定时任务

public void startup（） ｛    scheduleLogCleaning（）；｝

private void scheduleLogCleaning（） ｛    singleThreadedExecutor．schedule（（） －＞ ｛        cleanLogs（）；    ｝， config．getCleanTaskIntervalMs（）， TimeUnit．MILLISECONDS）；｝基于快照的Low－Water Mark

大多数共识实现（例如Zookeeper或etcd（在RAFT中定义））都实现了快照机制。在此实现，存储引擎需要定期快照。除快照外，它还存储成功应用的日志索引。参考“Write－Ahead Log”模式中的简单键值存储实现，可以采取以下快照：

public SnapShot takeSnapshot（） ｛    Long snapShotTakenAtLogIndex ＝ wal．getLastLogEntryId（）；    return new SnapShot（serializeState（kv）， snapShotTakenAtLogIndex）；｝

一旦快照成功保存在磁盘上，日志管理器将获得Low－Water Mark，以丢弃较旧的日志。

List＜WALSegment＞ getSegmentsBefore（Long snapshotIndex） ｛    List＜WALSegment＞ markedForDeletion ＝ new ArrayList＜＞（）；    List＜WALSegment＞ sortedSavedSegments ＝ wal．sortedSavedSegments；    for （WALSegment sortedSavedSegment ： sortedSavedSegments） ｛        if （sortedSavedSegment．getLastLogEntryId（） ＜ snapshotIndex） ｛            markedForDeletion．add（sortedSavedSegment）；        ｝    ｝    return markedForDeletion；｝基于时间的Low－Water Mark

在某些系统中，不一定要使用日志来更新系统状态，可以在给定的时间窗口后丢弃日志，而不必等待任何其他子系统共享可以删除的最低日志索引。例如，在像Kafka这样的系统中，日志将保留7周；消息时间超过7周的所有日志段都将被丢弃。对于此实现，每个日志条目还包括创建时的时间戳。然后，日志清理器可以检查每个日志段的最后一个条目，并丢弃早于配置的时间窗口的日志段。

private List＜WALSegment＞ getSegmentsPast（Long logMaxDurationMs） ｛    long now ＝ System．currentTimeMillis（）；    List＜WALSegment＞ markedForDeletion ＝ new ArrayList＜＞（）；    List＜WALSegment＞ sortedSavedSegments ＝ wal．sortedSavedSegments；    for （WALSegment sortedSavedSegment ： sortedSavedSegments） ｛        if （timeElaspedSince（now， sortedSavedSegment．getLastLogEntryTimestamp（）） ＞ logMaxDurationMs） ｛            markedForDeletion．add（sortedSavedSegment）；        ｝    ｝    return markedForDeletion；｝
private long timeElaspedSince（long now， long lastLogEntryTimestamp） ｛    return now － lastLogEntryTimestamp；｝

例子

?所有共识算法（例如Zookeeper和RAFT）中的日志实现均实现基于快照的日志清理

?Kafka中的存储实现遵循基于时间的日志清理