02|日志（上）：日志究竟是如何加载日志段的？

你好，我是胡夕。今天我来讲讲 Kafka 源码的日志（Log）对象。

上节课，我们学习了日志段部分的源码，你可以认为，日志是日志段的容器，里面定义了很多管理日志段的操作。坦率地说，如果看 Kafka 源码却不看 Log，就跟你买了这门课却不知道作者是谁一样。在我看来，Log 对象是 Kafka 源码（特别是 Broker 端）最核心的部分，没有之一。

它到底有多重要呢？我和你分享一个例子，你先感受下。我最近正在修复一个 Kafka 的 Bug（KAFKA-9157）：在某些情况下，Kafka 的 Compaction 操作会产生很多空的日志段文件。如果要避免这些空日志段文件被创建出来，就必须搞懂创建日志段文件的原理，而这些代码恰恰就在 Log 源码中。

既然 Log 源码要管理日志段对象，那么它就必须先把所有日志段对象加载到内存里面。这个过程是怎么实现的呢？今天，我就带你学习下日志加载日志段的过程。

首先，我们来看下 Log 对象的源码结构。

Log 源码结构

Log 源码位于 Kafka core 工程的 log 源码包下，文件名是 Log.scala。总体上，该文件定义了 10 个类和对象，如下图所示：

那么，这 10 个类和对象都是做什么的呢？我先给你简单介绍一下，你可以对它们有个大致的了解。

不过，在介绍之前，我先提一句，图中括号里的 C 表示 Class，O 表示 Object。还记得我在上节课提到过的伴生对象吗？没错，同时定义同名的 Class 和 Object，就属于 Scala 中的伴生对象用法。

我们先来看伴生对象，也就是 LogAppendInfo、Log 和 RollParams。

1.LogAppendInfo

LogAppendInfo（C）：保存了一组待写入消息的各种元数据信息。比如，这组消息中第一条消息的位移值是多少、最后一条消息的位移值是多少；再比如，这组消息中最大的消息时间戳又是多少。总之，这里面的数据非常丰富（下节课我再具体说说）。
LogAppendInfo（O）: 可以理解为其对应伴生类的工厂方法类，里面定义了一些工厂方法，用于创建特定的 LogAppendInfo 实例。

2.Log

Log（C）: Log 源码中最核心的代码。这里我先卖个关子，一会儿细聊。
Log（O）：同理，Log 伴生类的工厂方法，定义了很多常量以及一些辅助方法。

3.RollParams

RollParams（C）：定义用于控制日志段是否切分（Roll）的数据结构。
RollParams（O）：同理，RollParams 伴生类的工厂方法。

除了这 3 组伴生对象之外，还有 4 类源码。

LogMetricNames：定义了 Log 对象的监控指标。
LogOffsetSnapshot：封装分区所有位移元数据的容器类。
LogReadInfo：封装读取日志返回的数据及其元数据。
CompletedTxn：记录已完成事务的元数据，主要用于构建事务索引。

Log Class & Object

下面，我会按照这些类和对象的重要程度，对它们一一进行拆解。首先，咱们先说说 Log 类及其伴生对象。

考虑到伴生对象多用于保存静态变量和静态方法（比如静态工厂方法等），因此我们先看伴生对象（即 Log Object）的实现。毕竟，柿子先找软的捏！

object Log {
val LogFileSuffix = “.log”
val IndexFileSuffix = “.index”
val TimeIndexFileSuffix = “.timeindex”
val ProducerSnapshotFileSuffix = “.snapshot”
val TxnIndexFileSuffix = “.txnindex”
val DeletedFileSuffix = “.deleted”
val CleanedFileSuffix = “.cleaned”
val SwapFileSuffix = “.swap”
val CleanShutdownFile = “.kafka_cleanshutdown”
val DeleteDirSuffix = “-delete”
val FutureDirSuffix = “-future”
……
}

这是 Log Object 定义的所有常量。如果有面试官问你 Kafka 中定义了多少种文件类型，你可以自豪地把这些说出来。耳熟能详的.log、.index、.timeindex 和.txnindex 我就不解释了，我们来了解下其他几种文件类型。

.snapshot 是 Kafka 为幂等型或事务型 Producer 所做的快照文件。鉴于我们现在还处于阅读源码的初级阶段，事务或幂等部分的源码我就不详细展开讲了。
.deleted 是删除日志段操作创建的文件。目前删除日志段文件是异步操作，Broker 端把日志段文件从.log 后缀修改为.deleted 后缀。如果你看到一大堆.deleted 后缀的文件名，别慌，这是 Kafka 在执行日志段文件删除。
.cleaned 和.swap 都是 Compaction 操作的产物，等我们讲到 Cleaner 的时候再说。
-delete 则是应用于文件夹的。当你删除一个主题的时候，主题的分区文件夹会被加上这个后缀。
-future 是用于变更主题分区文件夹地址的，属于比较高阶的用法。

总之，记住这些常量吧。记住它们的主要作用是，以后不要被面试官唬住！开玩笑，其实这些常量最重要的地方就在于，它们能够让你了解 Kafka 定义的各种文件类型。

Log Object 还定义了超多的工具类方法。由于它们都很简单，这里我只给出一个方法的源码，我们一起读一下。

def filenamePrefixFromOffset(offset: Long): String = {
val nf = NumberFormat.getInstance()
nf.setMinimumIntegerDigits(20)
nf.setMaximumFractionDigits(0)
nf.setGroupingUsed(false)
nf.format(offset)
}

这个方法的作用是通过给定的位移值计算出对应的日志段文件名。Kafka 日志文件固定是 20 位的长度，filenamePrefixFromOffset 方法就是用前面补 0 的方式，把给定位移值扩充成一个固定 20 位长度的字符串。

举个例子，我们给定一个位移值是 12345，那么 Broker 端磁盘上对应的日志段文件名就应该是 00000000000000012345.log。怎么样，很简单吧？其他的工具类方法也很简单，我就不一一展开说了。

下面我们来看 Log 源码部分的重头戏：Log 类。这是一个 2000 多行的大类。放眼整个 Kafka 源码，像 Log 这么大的类也不多见，足见它的重要程度。我们先来看这个类的定义：

class Log(@volatile var dir: File,
@volatile var config: LogConfig,
@volatile var logStartOffset: Long,
@volatile var recoveryPoint: Long,
scheduler: Scheduler,
brokerTopicStats: BrokerTopicStats,
val time: Time,
val maxProducerIdExpirationMs: Int,
val producerIdExpirationCheckIntervalMs: Int,
val topicPartition: TopicPartition,
val producerStateManager: ProducerStateManager,
logDirFailureChannel: LogDirFailureChannel) extends Logging with KafkaMetricsGroup {
……
}

看着好像有很多属性，但其实，你只需要记住两个属性的作用就够了：dir 和 logStartOffset。dir 就是这个日志所在的文件夹路径，也就是主题分区的路径。而 logStartOffset，表示日志的当前最早位移。dir 和 logStartOffset 都是 volatile var 类型，表示它们的值是变动的，而且可能被多个线程更新。

你可能听过日志的当前末端位移，也就是 Log End Offset（LEO），它是表示日志下一条待插入消息的位移值，而这个 Log Start Offset 是跟它相反的，它表示日志当前对外可见的最早一条消息的位移值。我用一张图来标识它们的区别：

图中绿色的位移值 3 是日志的 Log Start Offset，而位移值 15 表示 LEO。另外，位移值 8 是高水位值，它是区分已提交消息和未提交消息的分水岭。

有意思的是，Log End Offset 可以简称为 LEO，但 Log Start Offset 却不能简称为 LSO。因为在 Kafka 中，LSO 特指 Log Stable Offset，属于 Kafka 事务的概念。这个课程中不会涉及 LSO，你只需要知道 Log Start Offset 不等于 LSO 即可。

Log 类的其他属性你暂时不用理会，因为它们要么是很明显的工具类属性，比如 timer 和 scheduler，要么是高阶用法才会用到的高级属性，比如 producerStateManager 和 logDirFailureChannel。工具类的代码大多是做辅助用的，跳过它们也不妨碍我们理解 Kafka 的核心功能；而高阶功能代码设计复杂，学习成本高，性价比不高。

其实，除了 Log 类签名定义的这些属性之外，Log 类还定义了一些很重要的属性，比如下面这段代码：

@volatile private var nextOffsetMetadata: LogOffsetMetadata = _  
@volatile private var highWatermarkMetadata: LogOffsetMetadata = LogOffsetMetadata(logStartOffset)  
private val segments: ConcurrentNavigableMap[java.lang.Long, LogSegment] = new ConcurrentSkipListMap[java.lang.Long, LogSegment]  
@volatile var leaderEpochCache: Option[LeaderEpochFileCache] = None

第一个属性 nextOffsetMetadata，它封装了下一条待插入消息的位移值，你基本上可以把这个属性和 LEO 等同起来。

第二个属性 highWatermarkMetadata，是分区日志高水位值。关于高水位的概念，我们在《Kafka 核心技术与实战》这个课程中做过详细解释，你可以看一下这篇文章（下节课我还会再具体给你介绍下）。

第三个属性 segments，我认为这是 Log 类中最重要的属性。它保存了分区日志下所有的日志段信息，只不过是用 Map 的数据结构来保存的。Map 的 Key 值是日志段的起始位移值，Value 则是日志段对象本身。Kafka 源码使用 ConcurrentNavigableMap 数据结构来保存日志段对象，就可以很轻松地利用该类提供的线程安全和各种支持排序的方法，来管理所有日志段对象。

第四个属性是 Leader Epoch Cache 对象。Leader Epoch 是社区于 0.11.0.0 版本引入源码中的，主要是用来判断出现 Failure 时是否执行日志截断操作（Truncation）。之前靠高水位来判断的机制，可能会造成副本间数据不一致的情形。这里的 Leader Epoch Cache 是一个缓存类数据，里面保存了分区 Leader 的 Epoch 值与对应位移值的映射关系，我建议你查看下 LeaderEpochFileCache 类，深入地了解下它的实现原理。

掌握了这些基本属性之后，我们看下 Log 类的初始化逻辑：

locally {
val startMs = time.milliseconds

    // create the log directory if it doesn't exist  
    Files.createDirectories(dir.toPath)  
  
  
    initializeLeaderEpochCache()  
  
  
    val nextOffset = loadSegments()  
  
  
    /* Calculate the offset of the next message */  
    nextOffsetMetadata = LogOffsetMetadata(nextOffset, activeSegment.baseOffset, activeSegment.size)  
  
  
    leaderEpochCache.foreach(_.truncateFromEnd(nextOffsetMetadata.messageOffset))  
  
  
    logStartOffset = math.max(logStartOffset, segments.firstEntry.getValue.baseOffset)  
  
  
    // The earliest leader epoch may not be flushed during a hard failure. Recover it here.  
    leaderEpochCache.foreach(_.truncateFromStart(logStartOffset))  
  
  
    // Any segment loading or recovery code must not use producerStateManager, so that we can build the full state here  
    // from scratch.  
    if (!producerStateManager.isEmpty)  
      throw new IllegalStateException("Producer state must be empty during log initialization")  
    loadProducerState(logEndOffset, reloadFromCleanShutdown = hasCleanShutdownFile)  
  
  
    info(s"Completed load of log with ${segments.size} segments, log start offset $logStartOffset and " +  
      s"log end offset $logEndOffset in ${time.milliseconds() - startMs}

在详细解释这段初始化代码之前，我使用一张图来说明它到底做了什么：

这里我们重点说说第三步，即加载日志段的实现逻辑，以下是 loadSegments 的实现代码：

private def loadSegments(): Long = {
// first do a pass through the files in the log directory and remove any temporary files
// and find any interrupted swap operations
val swapFiles = removeTempFilesAndCollectSwapFiles()

    // Now do a second pass and load all the log and index files.  
    // We might encounter legacy log segments with offset overflow (KAFKA-6264). We need to split such segments. When  
    // this happens, restart loading segment files from scratch.  
    retryOnOffsetOverflow {  
      // In case we encounter a segment with offset overflow, the retry logic will split it after which we need to retry  
      // loading of segments. In that case, we also need to close all segments that could have been left open in previous  
      // call to loadSegmentFiles().  
      logSegments.foreach(_.close())  
      segments.clear()  
      loadSegmentFiles()  
    }  
  
  
    // Finally, complete any interrupted swap operations. To be crash-safe,  
    // log files that are replaced by the swap segment should be renamed to .deleted  
    // before the swap file is restored as the new segment file.  
    completeSwapOperations(swapFiles)  
  
  
    if (!dir.getAbsolutePath.endsWith(Log.DeleteDirSuffix)) {  
      val nextOffset = retryOnOffsetOverflow {  
        recoverLog()  
      }  
  
  
      // reset the index size of the currently active log segment to allow more entries  
      activeSegment.resizeIndexes(config.maxIndexSize)  
      nextOffset  
    } else {  
       if (logSegments.isEmpty) {  
          addSegment(LogSegment.open(dir = dir,  
            baseOffset = 0,  
            config,  
            time = time,  
            fileAlreadyExists = false,  
            initFileSize = this.initFileSize,  
            preallocate = false))  
       }  
      0  
    }

这段代码会对分区日志路径遍历两次。

首先，它会移除上次 Failure 遗留下来的各种临时文件（包括.cleaned、.swap、.deleted 文件等），removeTempFilesAndCollectSwapFiles 方法实现了这个逻辑。

之后，它会清空所有日志段对象，并且再次遍历分区路径，重建日志段 segments Map 以及索引文件。

待执行完这两次遍历之后，它会完成未完成的 swap 操作，即调用 completeSwapOperations 方法。等这些都做完之后，再调用 recoverLog 方法恢复日志段对象，然后返回恢复之后的分区日志 LEO 值。

如果你现在觉得有点蒙，也没关系，我把这段代码再进一步拆解下，以更小的粒度跟你讲下它们做了什么。理解了这段代码之后，你大致就能搞清楚大部分的分区日志操作了。所以，这部分代码绝对值得我们多花一点时间去学习。

我们首先来看第一步，removeTempFilesAndCollectSwapFiles 方法的实现。我用注释的方式详细解释了每行代码的作用：

private def removeTempFilesAndCollectSwapFiles(): Set[File] = {

// 在方法内部定义一个名为 deleteIndicesIfExist 的方法，用于删除日志文件对应的索引文件  
  
def deleteIndicesIfExist(baseFile: File, suffix: String = ""): Unit = {  
  
info(s"Deleting index files with suffix $suffix for baseFile $baseFile")  
  
val offset = offsetFromFile(baseFile)  
  
Files.deleteIfExists(Log.offsetIndexFile(dir, offset, suffix).toPath)  
  
Files.deleteIfExists(Log.timeIndexFile(dir, offset, suffix).toPath)  
  
Files.deleteIfExists(Log.transactionIndexFile(dir, offset, suffix).toPath)  
  
}  
  
var swapFiles = Set[File]()  
  
var cleanFiles = Set[File]()  
  
var minCleanedFileOffset = Long.MaxValue  
  
// 遍历分区日志路径下的所有文件  
  
for (file <- dir.listFiles if file.isFile) {  
  
if (!file.canRead) // 如果不可读，直接抛出 IOException  
  
throw new IOException(s"Could not read file $file")  
  
val filename = file.getName  
  
if (filename.endsWith(DeletedFileSuffix)) { // 如果以.deleted 结尾  
  
debug(s"Deleting stray temporary file ${file.getAbsolutePath}")  
  
Files.deleteIfExists(file.toPath) // 说明是上次 Failure 遗留下来的文件，直接删除  
  
} else if (filename.endsWith(CleanedFileSuffix)) { // 如果以.cleaned 结尾  
  
minCleanedFileOffset = Math.min(offsetFromFileName(filename), minCleanedFileOffset) // 选取文件名中位移值最小的.cleaned 文件，获取其位移值，并将该文件加入待删除文件集合中  
  
cleanFiles += file  
  
} else if (filename.endsWith(SwapFileSuffix)) { // 如果以.swap 结尾  
  
val baseFile = new File(CoreUtils.replaceSuffix(file.getPath, SwapFileSuffix, ""))  
  
info(s"Found file ${file.getAbsolutePath} from interrupted swap operation.")  
  
if (isIndexFile(baseFile)) { // 如果该.swap 文件原来是索引文件  
  
deleteIndicesIfExist(baseFile) // 删除原来的索引文件  
  
} else if (isLogFile(baseFile)) { // 如果该.swap 文件原来是日志文件  
  
deleteIndicesIfExist(baseFile) // 删除掉原来的索引文件  
  
swapFiles += file // 加入待恢复的.swap 文件集合中  
  
}  
  
}  
  
}  
  
// 从待恢复 swap 集合中找出那些起始位移值大于 minCleanedFileOffset 值的文件，直接删掉这些无效的.swap 文件  
  
val (invalidSwapFiles, validSwapFiles) = swapFiles.partition(file => offsetFromFile(file) >= minCleanedFileOffset)  
  
invalidSwapFiles.foreach { file =>  
  
debug(s"Deleting invalid swap file ${file.getAbsoluteFile} minCleanedFileOffset: $minCleanedFileOffset")  
  
val baseFile = new File(CoreUtils.replaceSuffix(file.getPath, SwapFileSuffix, ""))  
  
deleteIndicesIfExist(baseFile, SwapFileSuffix)  
  
Files.deleteIfExists(file.toPath)  
  
}  
  
// Now that we have deleted all .swap files that constitute an incomplete split operation, let's delete all .clean files  
  
// 清除所有待删除文件集合中的文件  
  
cleanFiles.foreach { file =>  
  
debug(s"Deleting stray .clean file ${file.getAbsolutePath}")  
  
Files.deleteIfExists(file.toPath)  
  
}  
  
// 最后返回当前有效的.swap 文件集合  
  
validSwapFiles  
  
}

执行完了 removeTempFilesAndCollectSwapFiles 逻辑之后，源码开始清空已有日志段集合，并重新加载日志段文件。这就是第二步。这里调用的主要方法是 loadSegmentFiles。

private def loadSegmentFiles(): Unit = {

// 按照日志段文件名中的位移值正序排列，然后遍历每个文件  
  
for (file <- dir.listFiles.sortBy(_.getName) if file.isFile) {  
  
if (isIndexFile(file)) { // 如果是索引文件  
  
val offset = offsetFromFile(file)  
  
val logFile = Log.logFile(dir, offset)  
  
if (!logFile.exists) { // 确保存在对应的日志文件，否则记录一个警告，并删除该索引文件  
  
warn(s"Found an orphaned index file ${file.getAbsolutePath}, with no corresponding log file.")  
  
Files.deleteIfExists(file.toPath)  
  
}  
  
} else if (isLogFile(file)) { // 如果是日志文件  
  
val baseOffset = offsetFromFile(file)  
  
val timeIndexFileNewlyCreated = !Log.timeIndexFile(dir, baseOffset).exists()  
  
// 创建对应的 LogSegment 对象实例，并加入 segments 中  
  
val segment = LogSegment.open(dir = dir,  
  
baseOffset = baseOffset,  
  
config,  
  
time = time,  
  
fileAlreadyExists = true)  
  
try segment.sanityCheck(timeIndexFileNewlyCreated)  
  
catch {  
  
case _: NoSuchFileException =>  
  
error(s"Could not find offset index file corresponding to log file ${segment.log.file.getAbsolutePath}, " +  
  
"recovering segment and rebuilding index files...")  
  
recoverSegment(segment)  
  
case e: CorruptIndexException =>  
  
warn(s"Found a corrupted index file corresponding to log file ${segment.log.file.getAbsolutePath} due " +  
  
s"to ${e.getMessage}}, recovering segment and rebuilding index files...")  
  
recoverSegment(segment)  
  
}  
  
addSegment(segment)  
  
}  
  
}  
  
}

第三步是处理第一步返回的有效.swap 文件集合。completeSwapOperations 方法就是做这件事的：

private def completeSwapOperations(swapFiles: Set[File]): Unit = {

// 遍历所有有效.swap 文件  
  
for (swapFile <- swapFiles) {  
  
val logFile = new File(CoreUtils.replaceSuffix(swapFile.getPath, SwapFileSuffix, "")) // 获取对应的日志文件  
  
val baseOffset = offsetFromFile(logFile) // 拿到日志文件的起始位移值  
  
// 创建对应的 LogSegment 实例  
  
val swapSegment = LogSegment.open(swapFile.getParentFile,  
  
baseOffset = baseOffset,  
  
config,  
  
time = time,  
  
fileSuffix = SwapFileSuffix)  
  
info(s"Found log file ${swapFile.getPath} from interrupted swap operation, repairing.")  
  
// 执行日志段恢复操作  
  
recoverSegment(swapSegment)  
  
// We create swap files for two cases:  
  
// (1) Log cleaning where multiple segments are merged into one, and  
  
// (2) Log splitting where one segment is split into multiple.  
  
//  
  
// Both of these mean that the resultant swap segments be composed of the original set, i.e. the swap segment  
  
// must fall within the range of existing segment(s). If we cannot find such a segment, it means the deletion  
  
// of that segment was successful. In such an event, we should simply rename the .swap to .log without having to  
  
// do a replace with an existing segment.  
  
// 确认之前删除日志段是否成功，是否还存在老的日志段文件  
  
val oldSegments = logSegments(swapSegment.baseOffset, swapSegment.readNextOffset).filter { segment =>  
  
segment.readNextOffset > swapSegment.baseOffset  
  
}  
  
// 如果存在，直接把.swap 文件重命名成.log  
  
replaceSegments(Seq(swapSegment), oldSegments.toSeq, isRecoveredSwapFile = true)  
  
}  
  
}

最后一步是 recoverLog 操作：

private def recoverLog(): Long = {
// if we have the clean shutdown marker, skip recovery
// 如果不存在以.kafka_cleanshutdown 结尾的文件。通常都不存在
if (!hasCleanShutdownFile) {
// 获取到上次恢复点以外的所有 unflushed 日志段对象
val unflushed = logSegments(this.recoveryPoint, Long.MaxValue).toIterator
var truncated = false

      // 遍历这些 unflushed 日志段  
      while (unflushed.hasNext && !truncated) {  
        val segment = unflushed.next  
        info(s"Recovering unflushed segment ${segment.baseOffset}")  
        val truncatedBytes =  
          try {  
            // 执行恢复日志段操作  
            recoverSegment(segment, leaderEpochCache)  
          } catch {  
            case _: InvalidOffsetException =>  
              val startOffset = segment.baseOffset  
              warn("Found invalid offset during recovery. Deleting the corrupt segment and " +  
                s"creating an empty one with starting offset $startOffset")  
              segment.truncateTo(startOffset)  
          }  
        if (truncatedBytes > 0) { // 如果有无效的消息导致被截断的字节数不为 0，直接删除剩余的日志段对象  
          warn(s"Corruption found in segment ${segment.baseOffset}, truncating to offset ${segment.readNextOffset}")  
          removeAndDeleteSegments(unflushed.toList, asyncDelete = true)  
          truncated = true  
        }  
      }  
    }  
  
  
    // 这些都做完之后，如果日志段集合不为空  
    if (logSegments.nonEmpty) {  
      val logEndOffset = activeSegment.readNextOffset  
      if (logEndOffset < logStartOffset) { // 验证分区日志的 LEO 值不能小于 Log Start Offset 值，否则删除这些日志段对象  
        warn(s"Deleting all segments because logEndOffset ($logEndOffset) is smaller than logStartOffset ($logStartOffset). " +  
          "This could happen if segment files were deleted from the file system.")  
        removeAndDeleteSegments(logSegments, asyncDelete = true)  
      }  
    }  
  
  
    // 这些都做完之后，如果日志段集合为空了  
    if (logSegments.isEmpty) {  
    // 至少创建一个新的日志段，以 logStartOffset 为日志段的起始位移，并加入日志段集合中  
      addSegment(LogSegment.open(dir = dir,  
        baseOffset = logStartOffset,  
        config,  
        time = time,  
        fileAlreadyExists = false,  
        initFileSize = this.initFileSize,  
        preallocate = config.preallocate))  
    }  
  
  
    // 更新上次恢复点属性，并返回  
    recoveryPoint = activeSegment.readNextOffset  
    recoveryPoint

总结

今天，我重点向你介绍了 Kafka 的 Log 源码，主要包括：

Log 文件的源码结构：你可以看下下面的导图，它展示了 Log 类文件的架构组成，你要重点掌握 Log 类及其相关方法。
加载日志段机制：我结合源码重点分析了日志在初始化时是如何加载日志段的。前面说过了，日志是日志段的容器，弄明白如何加载日志段是后续学习日志段管理的前提条件。

总的来说，虽然洋洋洒洒几千字，但我也只讲了最重要的部分。我建议你多看几遍 Log.scala 中加载日志段的代码，这对后面我们理解 Kafka Broker 端日志段管理原理大有裨益。在下节课，我会继续讨论日志部分的源码，带你学习常见的 Kafka 日志操作。

课后讨论

Log 源码中有个 maybeIncrementHighWatermark 方法，你能说说它的实现原理吗？

欢迎你在留言区畅所欲言，跟我交流讨论，也欢迎你把今天的内容分享给你的朋友。

文章目录

Log 源码结构

Log Class & Object

总结

课后讨论