为了提高查找消息的性能，从0.8开始，为每个日志文件添加了对应的索引文件。
OffsetIndex对象对应管理磁盘上的1个索引文件，与上一节分析的FileMessageSet共同构成1个
LogSegment对象。
---
先来介绍索引文件中的索引项的格式。
每个索引项占了8个字节
相对offset --- 4个字节,也就是第多少条消息,相对于本文件对应的绝对offset来说的。
物理地址 --- 4个字节,索引消息在日志文件中的position位置
这样就实现了offset与物理地址之间的映射。
这里是稀疏索引，所以在FileMessageSet中查询数据的时候，会有个连续查询然后判断的过程。
如果是详细索引，就不会出现这种情况。
---
相对offset表示的是消息相对于baseOffset的偏移量。
baseOffset体现在文件名里面。
这样还可以减少索引文件占用的空间，用4个字节表示相对offset,绝对offset放在文件名里。
--- 关于稀疏索引
Kafka使用稀疏索引的方式构造消息的索引，不保证每个消息在索引文件中都有对应的索引项，这算是磁盘空间、内存空间、查找时间等多方面的折中。
不断减小索引文件大小的目的是为了将索引文件映射到内存里，在offsetIndex中会使用MappedByteBuffer将索引文件映射到内存中。
---接下来，看这个类
在offsetIndex初始化的时候，会初始化上面的这些字段。
@volatile protected var mmap: MappedByteBuffer = { val newlyCreated = file.createNewFile() val raf = if (writable) new RandomAccessFile(file, "rw") else new RandomAccessFile(file, "r") try { /* pre-allocate the file if necessary */ if(newlyCreated) { if(maxIndexSize < entrySize) throw new IllegalArgumentException("Invalid max index size: " + maxIndexSize) raf.setLength(roundDownToExactMultiple(maxIndexSize, entrySize)) } /* memory-map the file */ val len = raf.length() val idx = { if (writable) raf.getChannel.map(FileChannel.MapMode.READ_WRITE, 0, len) else raf.getChannel.map(FileChannel.MapMode.READ_ONLY, 0, len) } /* set the position in the index for the next entry */ if(newlyCreated) idx.position(0) else // if this is a pre-existing index, assume it is valid and set position to last entry idx.position(roundDownToExactMultiple(idx.limit, entrySize)) idx } finally { CoreUtils.swallow(raf.close()) } } 
---
对于索引文件，更多的是查找，这里用什么算法？
很简单，用二分查找法。
查找的目标是小于targetOffset的最大offset对应的物理地址，然后去FileMessageSet中去查找对应的数据。
下面看indexSlotRangeFor的具体实现吧。
---