Hudi Log日志文件读取分析(三)

简介: Hudi Log日志文件读取分析(三)

1. 介绍

前面介绍了log日志文件的写入,接着分析log日志文件的读取。

2. 分析

读取日志文件的主要入口为 AbstractHoodieLogRecordScanner#scan,本文分为处理数据块、删除块、控制块来分别讲解其处理流程。

2.1 处理数据块/删除块

在构造 HoodieLogFormatReader后,会通过其 hasNextnext来读取日志文件中的 HoodieLogBlock并处理, scan方法中处理数据块/删除块的核心代码如下

public void scan() {
    HoodieLogFormatReader logFormatReaderWrapper = null;
    try {
      logFormatReaderWrapper = new HoodieLogFormatReader(fs,
          logFilePaths.stream().map(logFile -> new HoodieLogFile(new Path(logFile))).collect(Collectors.toList()),
          readerSchema, readBlocksLazily, reverseReader, bufferSize);
      // 已扫描文件列表
      Set<HoodieLogFile> scannedLogFiles = new HashSet<>();
      while (logFormatReaderWrapper.hasNext()) { // 有下个block
        // 获取日志文件
        HoodieLogFile logFile = logFormatReaderWrapper.getLogFile();
        // 获取下个block块
        HoodieLogBlock r = logFormatReaderWrapper.next();
        if (r.getBlockType() != CORRUPT_BLOCK
            && !HoodieTimeline.compareTimestamps(r.getLogBlockHeader().get(INSTANT_TIME), this.latestInstantTime,
                HoodieTimeline.LESSER_OR_EQUAL)) {
          // 读取的文件块不为CORRUPT类型,并且文件块的时间大于最新的时间,表示非同一批的提交,退出处理
          break;
        }
        switch (r.getBlockType()) {
          case AVRO_DATA_BLOCK: // 数据块
            if (isNewInstantBlock(r) && !readBlocksLazily) { // 为新instant的block块并且为非延迟读取
              // 处理之前队列里的同一批block块
              processQueuedBlocksForInstant(currentInstantLogBlocks, scannedLogFiles.size());
            }
            // 将当前block块放入队列
            currentInstantLogBlocks.push(r);
            break;
          case DELETE_BLOCK: // 删除块
            if (isNewInstantBlock(r) && !readBlocksLazily) { // 新instant的block块并且为非延迟读取
              // 处理之前队列里的同一批block块
              processQueuedBlocksForInstant(currentInstantLogBlocks, scannedLogFiles.size());
            }
            // 将当前block块放入队列
            currentInstantLogBlocks.push(r);
            break;
          ...
  }

scan方法中,对于数据块和删除块的操作相同,即均会判断是不是新 instant对应的块(当前队列是否为空并且与上次写入队列的 block块的时间是否相同),若不是同一批,即instant的时间不同,那么调用 processQueuedBlocksForInstant开始处理,其核心代码如下

private void processQueuedBlocksForInstant(Deque<HoodieLogBlock> lastBlocks, int numLogFilesSeen) throws Exception {
    while (!lastBlocks.isEmpty()) { // 队列不为空
      // 取出队尾block
      HoodieLogBlock lastBlock = lastBlocks.pollLast();
      switch (lastBlock.getBlockType()) { // 判断block类型
        case AVRO_DATA_BLOCK: // 数据块
          // 处理数据块
          processAvroDataBlock((HoodieAvroDataBlock) lastBlock);
          break;
        case DELETE_BLOCK: // 删除块
          // 处理删除的所有key
          Arrays.stream(((HoodieDeleteBlock) lastBlock).getKeysToDelete()).forEach(this::processNextDeletedKey);
          break;
        case CORRUPT_BLOCK:
          LOG.warn("Found a corrupt block which was not rolled back");
          break;
        default:
          break;
      }
    }
  }

可以看到只要队列不为空,就会从队尾取出 Block块,然后根据类型处理数据块或者删除块。

2.1.1 处理数据块

使用 processAvroDataBlock对数据块进行处理,其核心代码如下

private void processAvroDataBlock(HoodieAvroDataBlock dataBlock) throws Exception {
    // 获取数据块的所有记录
    List<IndexedRecord> recs = dataBlock.getRecords();
    totalLogRecords.addAndGet(recs.size());
    for (IndexedRecord rec : recs) {
      // 构造HoodieRecord
      HoodieRecord extends HoodieRecordPayload> hoodieRecord =
          SpillableMapUtils.convertToHoodieRecordPayload((GenericRecord) rec, this.payloadClassFQN);
      // 处理HoodieRecord,其对应子类的具体实现
      processNextRecord(hoodieRecord);
    }
  }

首先获取该数据块的所有记录,然后调用具体子类的 processNextRecord进行处理,以 HoodieMergedLogRecordScanner的实现为例说明( HoodieUnMergedLogRecordScanner直接进行回调),其核心代码如下

protected void processNextRecord(HoodieRecord extends HoodieRecordPayload> hoodieRecord) throws IOException {
    // 获取key
    String key = hoodieRecord.getRecordKey();
    if (records.containsKey(key)) { // Map缓存中包含该key,该Map基于Disk实现
      // 将内容合并
      HoodieRecordPayload combinedValue = hoodieRecord.getData().preCombine(records.get(key).getData());
      // 放入Map缓存
      records.put(key, new HoodieRecord<>(new HoodieKey(key, hoodieRecord.getPartitionPath()), combinedValue));
    } else { // Map缓存中不包含该key
      // 直接放入缓存
      records.put(key, hoodieRecord);
    }
  }

可以看到首先会判断记录的key在缓存中是否存在,若存在,则将内容合并,否则放入缓存,该缓存基于磁盘实现,平衡内存占用,当无内存空间时,将数据写入磁盘。

2.1.2 处理删除块

处理删除块,会调用具体实现子类的 processNextDeletedKey方法来处理删除记录,其核心代码如下

protected void processNextDeletedKey(HoodieKey hoodieKey) {
    // 生成空的内容,然后放入缓存
    records.put(hoodieKey.getRecordKey(), SpillableMapUtils.generateEmptyPayload(hoodieKey.getRecordKey(),
        hoodieKey.getPartitionPath(), getPayloadClassFQN()));
  }

可以看到其会为对应的 key生成空的内容(达到软删除目的),然后放入缓存。

2.2 处理控制块

scan方法中处理控制块( command)的核心代码如下

case COMMAND_BLOCK:
            HoodieCommandBlock commandBlock = (HoodieCommandBlock) r;
            String targetInstantForCommandBlock =
                r.getLogBlockHeader().get(HoodieLogBlock.HeaderMetadataType.TARGET_INSTANT_TIME);
            switch (commandBlock.getType()) { // 控制类型
              case ROLLBACK_PREVIOUS_BLOCK: // 回滚
                int numBlocksRolledBack = 0;
                totalRollbacks.incrementAndGet();
                while (!currentInstantLogBlocks.isEmpty()) { // 当前队列不为空
                  // 取出块
                  HoodieLogBlock lastBlock = currentInstantLogBlocks.peek();
                  // 上个block为CORRUPT
                  if (lastBlock.getBlockType() == CORRUPT_BLOCK) {
                    // 弹出
                    currentInstantLogBlocks.pop();
                    numBlocksRolledBack++;
                  } else if (lastBlock.getBlockType() != CORRUPT_BLOCK
                      && targetInstantForCommandBlock.contentEquals(lastBlock.getLogBlockHeader().get(INSTANT_TIME))) { // 不为CORRUPT并且内容相等
                    // 弹出
                    currentInstantLogBlocks.pop();
                    numBlocksRolledBack++;
                  } else if (!targetInstantForCommandBlock
                      .contentEquals(currentInstantLogBlocks.peek().getLogBlockHeader().get(INSTANT_TIME))) { // 时间不相等
                    // 退出
                    break;
                  } 
                }
                break;
              default:
                throw new UnsupportedOperationException("Command type not yet supported.");
            }
            break;

可以看到,处理控制块时,会根据控制块的具体类型对已放入队列的块进行处理,现只支持回滚,对于队列中上一个类型为 CORRUPT的块或者类型不为 CORRUPT但时间相等的块,均从队列中弹出;当时间不相等时,则退出处理。

对于日志文件的 Block块的处理是基于 Deque处理,在处理完会放入基于磁盘的 Map中( HoodieMergedLogRecordScanner实现),然后可以通过 HoodieMergeLogRecordScanner#getRecords直接获取 Map或者通过 HoodieMergeLogRecordScanner#iterator获取该 Map的迭代器,现在社区对该 Map结构做重构,性能最多可提升6倍。

2.3 判断是否有下一个(hasNext)

在处理数据块之前,需要通过 HoodieLogFormatReader#hasNext方法判断是否还有下一个 HoodieLogBlock,其核心代码如下

public boolean hasNext() {
    if (currentReader == null) { // 为空则为false
      return false;
    } else if (currentReader.hasNext()) { // 有下一个
      return true;
    } else if (logFiles.size() > 0) { // 日志文件列表大于0
      try {
        HoodieLogFile nextLogFile = logFiles.remove(0);
        if (!readBlocksLazily) { // 非延迟读取block, 表示已经读完,则直接关闭
          this.currentReader.close();
        } else {
          // 加入集合中
          this.prevReadersInOpenState.add(currentReader);
        }
        // 生成新的reader
        this.currentReader =
            new HoodieLogFileReader(fs, nextLogFile, readerSchema, bufferSize, readBlocksLazily, false);
      } catch (IOException io) {
        throw new HoodieIOException("unable to initialize read with log file ", io);
      }
      // 判断当前reader有无下一个
      return this.currentReader.hasNext();
    }
    return false;
  }

可以看到,如果当前读取器( HoodieLogFileReader)为 null,那么表示已经读完所有日志文件,直接返回 false;否则若当前读取器有下一个,那么返回 true;否则若日志文件列表大小大于0,那么读取下一个日志文件,并生成新的读取器( HoodieLogFileReader),然后再判断是否有下一个;否则直接返回 false。其中, HoodieLogFileReader#hasNext方法通过读取魔数( #HUDI#)来判断是否有下一个,核心代码如下

private boolean hasNextMagic() throws IOException {
    long pos = inputStream.getPos();
    // 1. Read magic header from the start of the block
    inputStream.readFully(MAGIC_BUFFER, 0, 6);
    if (!Arrays.equals(MAGIC_BUFFER, HoodieLogFormat.MAGIC)) { // 比较是否为魔数
      return false;
    }
    return true;
  }

2.4 读取下一个(next)

在调用 hasNext后,若存在下一个,那么需要调用 next获取 HoodieLogBlock,获取 Block块的核心代码如下

private HoodieLogBlock readBlock() throws IOException {
    int blocksize = -1;
    int type = -1;
    HoodieLogBlockType blockType = null;
    Map<HeaderMetadataType, String> header = null;
    try {
      // 1 Read the total size of the block
      blocksize = (int) inputStream.readLong();
    } catch (EOFException | CorruptedLogFileException e) {
      // 异常时创建CORRUPT的Block
      return createCorruptBlock();
    }
    boolean isCorrupted = isBlockCorrupt(blocksize);
    if (isCorrupted) {
      return createCorruptBlock();
    }
    // 2. Read the version for this log format
    this.nextBlockVersion = readVersion();
    // 3. Read the block type for a log block
    if (nextBlockVersion.getVersion() != HoodieLogFormatVersion.DEFAULT_VERSION) {
      type = inputStream.readInt();
      Preconditions.checkArgument(type < HoodieLogBlockType.values().length, "Invalid block byte type found " + type);
      blockType = HoodieLogBlockType.values()[type];
    }
    // 4. Read the header for a log block, if present
    if (nextBlockVersion.hasHeader()) {
      header = HoodieLogBlock.getLogMetadata(inputStream);
    }
    int contentLength = blocksize;
    // 5. Read the content length for the content
    if (nextBlockVersion.getVersion() != HoodieLogFormatVersion.DEFAULT_VERSION) {
      contentLength = (int) inputStream.readLong();
    }
    // 6. Read the content or skip content based on IO vs Memory trade-off by client
    // TODO - have a max block size and reuse this buffer in the ByteBuffer
    // (hard to guess max block size for now)
    long contentPosition = inputStream.getPos();
    byte[] content = HoodieLogBlock.readOrSkipContent(inputStream, contentLength, readBlockLazily);
    // 7. Read footer if any
    Map<HeaderMetadataType, String> footer = null;
    if (nextBlockVersion.hasFooter()) {
      footer = HoodieLogBlock.getLogMetadata(inputStream);
    }
    // 8. Read log block length, if present. This acts as a reverse pointer when traversing a
    // log file in reverse
    long logBlockLength = 0;
    if (nextBlockVersion.hasLogBlockLength()) {
      logBlockLength = inputStream.readLong();
    }
    // 9. Read the log block end position in the log file
    long blockEndPos = inputStream.getPos();
    switch (blockType) {
      // 创建不同的Block
      case AVRO_DATA_BLOCK:
        if (nextBlockVersion.getVersion() == HoodieLogFormatVersion.DEFAULT_VERSION) {
          return HoodieAvroDataBlock.getBlock(content, readerSchema);
        } else {
          return HoodieAvroDataBlock.getBlock(logFile, inputStream, Option.ofNullable(content), readBlockLazily,
              contentPosition, contentLength, blockEndPos, readerSchema, header, footer);
        }
      case DELETE_BLOCK:
        return HoodieDeleteBlock.getBlock(logFile, inputStream, Option.ofNullable(content), readBlockLazily,
            contentPosition, contentLength, blockEndPos, header, footer);
      case COMMAND_BLOCK:
        return HoodieCommandBlock.getBlock(logFile, inputStream, Option.ofNullable(content), readBlockLazily,
            contentPosition, contentLength, blockEndPos, header, footer);
      default:
        throw new HoodieNotSupportedException("Unsupported Block " + blockType);
    }
  }

可以看到,对于 Block的读取,与写入时的顺序相同,然后根据不同类型生成不同的 Block

3. 总结

日志文件的读取,与日志文件写入的顺序相同。在读取后会将不同类型的 HoodieLogBlock先放入 Deque中处理,然后会根据不同的读取策略( HoodieUnMergedLogRecordScannerHoodieMergedLogRecordScanner)进行不同的处理,如 Merged策略会将同一key的内容进行合并(会处理删除和真实数据内容的合并),然后再将合并后的结果放入缓存中供读取;而 UnMerged策略则直接对 HoodieRecord进行回调处理。

相关实践学习
日志服务之使用Nginx模式采集日志
本文介绍如何通过日志服务控制台创建Nginx模式的Logtail配置快速采集Nginx日志并进行多维度分析。
目录
相关文章
|
10天前
|
关系型数据库 MySQL 数据库
mysql数据库bin-log日志管理
mysql数据库bin-log日志管理
|
10天前
|
存储 关系型数据库 数据库
关系型数据库文件方式存储LOG FILE(日志文件)
【5月更文挑战第11天】关系型数据库文件方式存储LOG FILE(日志文件)
66 1
|
11天前
|
运维 监控 安全
Java一分钟之-Log4j与日志记录的重要性
【5月更文挑战第16天】Log4j是Java常用的日志框架,用于灵活地记录程序状态和调试问题。通过设置日志级别和过滤器,可避免日志输出混乱。为防止日志文件过大,可配置滚动策略。关注日志安全性,如Log4j 2.x的CVE-2021-44228漏洞,及时更新至安全版本。合理使用日志能提升故障排查和系统监控效率。
70 0
|
12天前
|
存储 监控 NoSQL
【MongoDB 专栏】MongoDB 的日志管理与分析
【5月更文挑战第11天】MongoDB日志管理与分析至关重要,包括系统日志和操作日志,用于监控、故障排查和性能优化。合理配置日志详细程度、存储位置和保留策略,使用日志分析工具提升效率,发现性能瓶颈和安全性问题。日志分析有助于优化查询、调整配置,确保数据安全,并可与其他监控系统集成。面对日志量增长的挑战,需采用新技术如分布式存储和数据压缩来保障存储和传输。随着技术发展,不断进化日志管理与分析能力,以支持MongoDB的稳定高效运行。
【MongoDB 专栏】MongoDB 的日志管理与分析
|
12天前
|
C++
JNI Log 日志输出
JNI Log 日志输出
55 1
|
12天前
|
存储 运维 大数据
聊聊日志硬扫描,阿里 Log Scan 的设计与实践
泛日志(Log/Trace/Metric)是大数据的重要组成,伴随着每一年业务峰值的新脉冲,日志数据量在快速增长。同时,业务数字化运营、软件可观测性等浪潮又在对日志的存储、计算提出更高的要求。
262 6
|
12天前
|
XML Java Maven
Springboot整合与使用log4j2日志框架【详解版】
该文介绍了如何在Spring Boot中切换默认的LogBack日志系统至Log4j2。首先,需要在Maven依赖中排除`spring-boot-starter-logging`并引入`spring-boot-starter-log4j2`。其次,创建`log4j2-spring.xml`配置文件放在`src/main/resources`下,配置包括控制台和文件的日志输出、日志格式和文件切分策略。此外,可通过在不同环境的`application.yml`中指定不同的log4j2配置文件。最后,文章提到通过示例代码解释了日志格式中的各种占位符含义。
|
12天前
|
安全 Linux 网络安全
/var/log/secure日志详解
Linux系统的 `/var/log/secure` 文件记录安全相关消息,包括身份验证和授权尝试。它涵盖用户登录(成功或失败)、`sudo` 使用、账户锁定解锁及其他安全事件和PAM错误。例如,SSH登录成功会显示&quot;Accepted password&quot;,失败则显示&quot;Failed password&quot;。查看此文件可使用 `tail -f /var/log/secure`,但通常只有root用户有权访问。
232 4
|
12天前
|
运维 监控 Go
Golang深入浅出之-Go语言中的日志记录:log与logrus库
【4月更文挑战第27天】本文比较了Go语言中标准库`log`与第三方库`logrus`的日志功能。`log`简单但不支持日志级别配置和多样化格式,而`logrus`提供更丰富的功能,如日志级别控制、自定义格式和钩子。文章指出了使用`logrus`时可能遇到的问题,如全局logger滥用、日志级别设置不当和过度依赖字段,并给出了避免错误的建议,强调理解日志级别、合理利用结构化日志、模块化日志管理和定期审查日志配置的重要性。通过这些实践,开发者能提高应用监控和故障排查能力。
95 1
|
12天前
|
弹性计算 运维 Shell

热门文章

最新文章