Kafka 的数据分为两部分：元数据、消息数据。
元数据：元数据包括集群信息、节点信息、队列信息、主从信息、分区信息、分区分布信息等，这类信息都存储在 Zookeeper 上，Kafka 的任何一个节点都可以读取元数据信息。消息数据：生产者向集群发送的消息。生产者直接向分区的 Leader 发送消息，Leader 会同步至 Flowers 节点，分区的 Leader 及 Flowers 节点都存储了一份消息数据。
元数据结构
clustercontrollercontroller_epochbrokersconsumers 消息数据结构
Segment 元数据结构
当安装好 kafka 并启动运行以后，就会在 zookeeper 上初始化 kafka 相关数据。
主要包括以下几个目录
clustercontrollercontroller_epochbrokersconsumers
cluster在配置 Zookeeper 连接时，可以配置目录，比如：node01:2181,node02:2181,node03:2181/kafka，这样 Kafka 的相关文件就会在 /kafka 目录下，不然就散落在根目录下。
存储 Kafka 集群信息，cluster/id 目录存储了集群的ID
{ "version":"1", "id":"SZ1VE5STTrKpIDG9zRqsfQ"}
controller存储 Kafka 集群的 controller 中央控制器信息。
{ "version":1, // 版本号，默认为 1 "brokerid":1, // Kafka 中央控制器的实例ID "timestamp":"1642666808318" // Kafka 中央控制器变更时间}
controller_epoch存储 Kafka 集群的中央控制器选举次数。集群第一次启动时，该数值为 1，此后，只要发生中央控制器重新选举（比如：中央控制器实例宕机，就会导致重新选举），该数值就会 +1。
brokersbroker 信息
brokers/ids 目录存储所有的实例ID（server.properties 中配置的 broker.id），获取其中一个实例的数据如下
{ "listener_security_protocol_map":{ "PLAINTEXT":"PLAINTEXT" }, "endpoints":["PLAINTEXT://node04:9092"], "jmx_port":-1, // JMX 端口号 "features":{}, "host":"node04", // 主机名或者IP地址 "timestamp":"1642666808138", // 当前 broker 初始启动时的时间戳 "port":9092, // broker 服务端的端口号 "version":5 // 版本号，默认为 1}
topic 信息
brokers/topics 目录存储所有的 Topic，获取其中一个 Topic 的数据，partitions 记录了分区分布信息。
该 Topic 拥有两个分区，分区 0 分布在实例 2、1 上，分区 1 分布的实例 3、2 上
{ "removing_replicas":{}, "partitions":{ // 分区信息 "1":[3,2], // 分区 1 "0":[2,1] // 分区 0 }, "topic_id":"6Iig0yr-Shm5buNoQP95jQ", "adding_replicas":{}, "version":3}
partition 信息
其子目录 brokers/topics/${topic}/partitions/${partition}/state 存储了 Topic 的 partition 的状态
该分区的 Leader 是实例 3，ISR 列表包括了实例 3、2
{ "controller_epoch":4, // 中央控制器选举次数 "leader":3, // 当前 partition 的 Leader "version":1, // 版本，默认为 1 "leader_epoch":0, // 当前 partition 的 Leader 选举次数 "isr":[3,2] // ISR 列表}
consumers该节点原本用于存储消费者的 offset，已经废弃。新版本使用一个内部的 Topic 存储消费者的 offset。
当 kafka 集群第一次有消费者消费时，会自动初始化一个名为 __consumer_offsets 的 Topic，用于存储所有消费者的 offset，为了提高吞吐量，该 Topic 默认有 50 个分区。
可以通过配置文件进行设置该 Topic 的参数：
offsets.topic.num.partitions 设置分区数offsets.topic.replication.factor 设置副本数offsets.retention.minutes 消息保留时长 消息数据结构
为了保障消息可靠性，Kafka 会将接收到的消息序列化并存储到磁盘（log.dirs 配置项配置存储位置）。
Kafka 的每个分区对应一个文件夹，比如：名称为 ooxx 的 Topic，有两个分区：0、1，那么在 $log.dirs 目录下就会存在 ooxx-0 及 ooxx-1 两个文件夹，分别存储两个分区的所有数据文件。
Kafka 的数据文件由 .log 数据文件及 .index、.timeindex 索引文件共同组成。
.log 是数据文件，存储所有的消息数据。消息以批量的形式进行存储，BatchRecords 是最基本的数据存储单元，一个 BatchRecords 中包含多个 Record（即我们通常说的一条消息）。
BatchRecords 结构，baseOffset 记录了当前批次起始消息的 offset
数据文件整体结构
.index 是索引文件，存储 offset 与 position 的对应关系（offset 对应的消息在 .log 文件中的偏移量），通过 offset 可以快速读取指定消息。
索引文件结构
注意：Kafka 并不会为每条消息都保存一个索引，而是根据 log.index.interval.bytes 等配置构建稀疏的索引信息。
.timeindex 也是索引文件，存储 timestamp 与 offset 的对应关系，用于应对一些需要根据 timestamp 来定位消息的场景，.timeindex 和 .index 中的记录是一一对应的。
索引文件结构
Segment因为一个分区的消息可能会非常多，如果都存储在一个 .log 文件中，读写效率会受到影响，无法保障高吞吐，Kafka 引入了 Segment 的概念，其实就是将原来一个文件需要存储的内容存储到多个段文件，每个段文件达到一定条件，就创建一个新的段文件，这样文件存储就变成了一个横向可扩展的存储方案。
每个段依然由 .log、.index、.timeindex 三个文件组成，文件名为当前段的起始消息 offset，这样通过文件名就可以简单定位到指定 offset 所在的文件。log.segment.bytes 配置项配置段的 .log 文件大小，当 .log 文件大于该配置值，就会创建一个新的段。
生产过程
生产者向分区 Leader 发送消息，Leader 需要将消息保存到磁盘，假如已经存在的消息文件是 00000000000000000000，那么此时，消息内容写入 00000000000000000000.log 文件，而索引写入 00000000000000000000.index 及 00000000000000000000.timeindex 文件。
生产者持续向 Leader 发送消息，00000000000000000000.log 文件达到 log.segment.bytes 配置项配置的大小，则会创建新的段文件（.log、.index、.timeindex 文件）。假设发送第 10 条消息时达到设定值，则会产生 00000000000000000010 的新的段文件
消费过程
消费者对每个分区都记录了自己已经处理过的消息的 offset，通过该 offset 向后获取消息。
消费者向分区 Leader 拉取消息并带上了自己的 offset，Leader 需要根据 offset 定位到相应的段及段文件中的位置，这里分为两步：
第一步：根据 offset 定位段文件，因为段文件的文件名就是该段中起始消息的 offset，所以通过文件名就可以定义到消费者指定 offset 的段文件。
第二步：通过第一步定位到了文件，但也不能每次都读取整个文件，所以还需要进一步定位到文件中的位置，这就需要 .index 索引文件来进行辅助，索引文件中存储的是 offset 与 position 的对应关系，通过 position 就可以快速定位到 .log 文件中的位置。