Storm常用操作命令及WordCount

Storm常用操作命令

1、任务提交命令：storm jar 【jar路径】 【拓扑包名.拓扑类名】 【拓扑名称】

storm jar /export/servers/storm/examples/storm-starter/storm-starter-topologies-1.0.3.jar org.apache.storm.starter.WordCountTopology  wordcount

与hadoop不同的是：不需要指定输入输出路径

hadoop jar /usr/local/wordcount.jar /data.txt /wcout

 

2、杀死任务命令：storm kill 【拓扑名称】 -w 10（执行kill命令时可以通过-w [等待秒数]指定拓扑停用以后的等待时间）

storm kill topology-name -w 10

3、停用任务命令：storm deactive  【拓扑名称】

storm deactive topology-name

我们能够挂起或停用运行中的拓扑。当停用拓扑时，所有已分发的元组都会得到处理，但是spouts的nextTuple方法不会被调用。销毁一个拓扑，可以使用kill命令。它会以一种安全的方式销毁一个拓扑，首先停用拓扑，在等待拓扑消息的时间段内允许拓扑完成当前的数据流。

4、启用任务命令：storm activate 【拓扑名称】

storm activate topology-name

5、重新部署任务命令：storm rebalance  【拓扑名称】

storm rebalance topology-name

再平衡使你重分配集群任务。这是个很强大的命令。比如，你向一个运行中的集群增加了节点。再平衡命令将会停用拓扑，然后在相应超时时间之后重分配worker，并重启拓扑。

StormWordCount（重点掌握）

WordCount分析：

Java版本：

1、读取文件中的数据，一行一行的读取；

2、将读到的数据进行切割；

3、对切割后的数组中的单词进行计算。

Hadoop版本：

1、按行读取文件中的数据；

2、在Mapper()函数中对每一行的数据进行切割，并输出切割后的数据数组；

3、接收Mapper()中输出的数据数组，在Reducer()函数中对数组中的单词进行计算，将计算后的统计结果输出。

Storm版本：

1、Spout从外部数据源中读取数据，随机发送一个元组对象出去；

2、SplitBolt接收Spout中输出的元组对象，将元组中的数据切分成单词，并将切分后的单词发射出去；

3、WordCountBolt接收SplitBolt中输出的单词数组，对里面单词的频率进行累加，将累加后的结果输出。

StormWordCount代码实现及分析（重点掌握）

在IDEA中创建一个Maven项目，先在pom.xml添加依赖--->import changes

创建Maven项目步骤：

使用IDEA编辑器创建一个Maven项目
前提：假设您已经安装好了IDEA编辑器，由于编辑器自带Maven插件，不需要单独安装maven。当然IDEA本身是支持安装外部的maven的。
1、打开编辑器
笔者使用的是14.1 不是当前最新编辑器
2、创建maven项目第一步：
依次点击软件左上角的File->new->project
然后选择maven，并点击next。在这一步有一个需要注意的地方，就是为你的项目选择JDK或者SDK.如果您之前没有配置过JDK，可以点击new按钮，设置您JDK的home目录。
3、填写maven项目的groupid,和artifactid。然后点击下一步
一般来讲，groupid写您的公司及部门或项目的名称，比如：com.ahu
artifactid写您的子项目或者子模块的名字，比如当前项目是创建maven项目，我们可以将artifactid写成：stormwordcount
version可以不用修改
4、填写项目名称及指定项目所在的目录
projectName：StormWordCount
location：任意地址---->比如：E:StormWordCount
至此，创建maven项目完毕。

    <dependencies>
        <dependency>
            <groupId>org.apache.storm</groupId>
            <artifactId>storm-core</artifactId>
            <version>0.9.5</version>
            <!-- <scope>provided</scope>-->
        </dependency>
    </dependencies>

然后在写相关代码：

项目主要流程：

package com.ahu.storm;


import backtype.storm.Config;
import backtype.storm.LocalCluster;
import backtype.storm.StormSubmitter;
import backtype.storm.generated.AlreadyAliveException;
import backtype.storm.generated.InvalidTopologyException;
import backtype.storm.topology.TopologyBuilder;
import backtype.storm.tuple.Fields;

/**
 * Created by ahu_lichang on 2017/5/18.
 */
public class WordCountTopologyMain {
    public static void main(String[] args) throws AlreadyAliveException, InvalidTopologyException {
        //1、准备一个TopologyBuilder
        //storm框架支持多语言，在Java环境下创建一个拓扑，需要使用TopologyBuilder
        TopologyBuilder topologyBuilder = new TopologyBuilder();
        //MySpout类，在已知的英文句子中，所及发送一条句子出去
        topologyBuilder.setSpout("mySpout", new MySpout(), 2);
        //MySplitBolt类，主要是将一行一行的文本内容切割成单词
        topologyBuilder.setBolt("mybolt1", new MySplitBolt(), 2).shuffleGrouping("mySpout");
        //MyCountBolt类，负责对单词的频率进行累加
        topologyBuilder.setBolt("mybolt2", new MyCountBolt(), 4).fieldsGrouping("mybolt1", new Fields("word"));
        /**
         * i
         * am
         * lilei
         * love
         * hanmeimei
         */
        //2、创建一个configuration，用来指定当前topology 需要的worker的数量
        //启动topology的配置信息
        Config config = new Config();
        //定义你希望集群分配多少个工作进程给你来执行这个topology
        config.setNumWorkers(2);

        //3、提交任务  -----两种模式 本地模式和集群模式
        //这里将拓扑名称写死了mywordcount,所以在集群上打包运行的时候，不用写拓扑名称了！也可用arg[0]
        StormSubmitter.submitTopology("mywordcount", config, topologyBuilder.createTopology());
        //LocalCluster localCluster = new LocalCluster();
        //localCluster.submitTopology("mywordcount",config,topologyBuilder.createTopology());
    }
}

MySpout的实现及生命周期：

package com.ahu.storm;

import backtype.storm.spout.SpoutOutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.base.BaseRichSpout;
import backtype.storm.tuple.Fields;
import backtype.storm.tuple.Values;

import java.util.Map;

/**
 * Created by ahu_lichang on 2017/5/18.
 */
public class MySpout extends BaseRichSpout {
    //用来收集Spout输出的Tuple
    SpoutOutputCollector collector;

    //初始化方法
    public void open(Map conf, TopologyContext context, SpoutOutputCollector collector) {
        this.collector = collector;
    }

    //storm 框架在 while(true) 调用nextTuple方法
    public void nextTuple() {
        collector.emit(new Values("i am lilei love hanmeimei"));
    }

    //消息源可以发射多条消息流stream.多条消息流可以理解为多种类型的数据
    public void declareOutputFields(OutputFieldsDeclarer declarer) {
        declarer.declare(new Fields("sentence"));
    }
}

MySplitBolt的实现及生命周期：

package com.ahu.storm;

import backtype.storm.task.OutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.base.BaseRichBolt;
import backtype.storm.tuple.Fields;
import backtype.storm.tuple.Tuple;
import backtype.storm.tuple.Values;

import java.util.Map;

/**
 * Created by ahu_lichang on 2017/5/18.
 */
public class MySplitBolt extends BaseRichBolt {
    OutputCollector collector;

    //初始化方法
    public void prepare(Map stormConf, TopologyContext context, OutputCollector collector) {
        this.collector = collector;
    }

    // 被storm框架 while(true) 循环调用  传入参数tuple
    //input内容是句子，execute方法将句子切割成单词发出
    public void execute(Tuple input) {
        String line = input.getString(0);
        String[] arrWords = line.split(" ");
        for (String word : arrWords) {
            collector.emit(new Values(word, 1));
        }
    }

    public void declareOutputFields(OutputFieldsDeclarer declarer) {
        declarer.declare(new Fields("word", "num"));
    }
}

MyCountBolt的实现及生命周期：

package com.ahu.storm;


import backtype.storm.task.OutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.base.BaseRichBolt;
import backtype.storm.tuple.Tuple;

import java.util.HashMap;
import java.util.Map;

/**
 * Created by ahu_lichang on 2017/5/18.
 */
public class MyCountBolt extends BaseRichBolt {
    OutputCollector collector;
    //用来保存最后计算的结果key=单词，value=单词个数
    Map<String, Integer> map = new HashMap<String, Integer>();

    public void prepare(Map stormConf, TopologyContext context, OutputCollector collector) {
        this.collector = collector;
    }

    public void execute(Tuple input) {
        String word = input.getString(0);
        Integer num = input.getInteger(1);
        System.out.println(Thread.currentThread().getId() + "    word:" + word);
        if (map.containsKey(word)) {
            Integer count = map.get(word);
            map.put(word, count + num);
        } else {
            map.put(word, num);
        }
        System.out.println("count:" + map);
    }

    public void declareOutputFields(OutputFieldsDeclarer declarer) {
        //不输出
    }
}

两种运行模式：

1、本地模式：直接在IDEA中的WordCountTopologyMain运行即可在控制台观察到输出结果

2、集群模式：

要打包运行。打包方法：

将jar包上传到storm1上，去运行storm /root/stormwordcount.XXXX.jar  com.ahu.storm.WordCountTopologyMain 

注意：这样打包运行的时候，会出错：NoClassDefFoundError: backtype/storm/topology/IRichSpout

这是因为打包的时候，有的jar包没有打到里面去，打包方式不对！需要在pom.xml指定一个Build，指定打包的方式，将所有的依赖都打成jar。

    <build>
        <plugins>
            <plugin>
                <artifactId>maven-assembly-plugin</artifactId>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                   <!-- <archive>
                        <manifest>
                            <mainClass>com.ahu.storm.hadoop.mapreduce.wordcount.WordCount</mainClass>
                        </manifest>
                    </archive>-->
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

这样再打包运行，就不会出错了！运行成功后，可以在worker运行的机器上查看日志：/export/servers/storm/logs/下查看，tail -100f worker-6701.log.1

Storm具体的任务执行流程图

Stream Grouping详解

Storm里面有7种类型的stream grouping

l Shuffle Grouping: 随机分组， 随机派发stream里面的tuple，保证每个bolt接收到的tuple数目大致相同。

l Fields Grouping：按字段分组，比如按userid来分组，具有同样userid的tuple会被分到相同的Bolts里的一个task，而不同的userid则会被分配到不同的bolts里的task。

l All Grouping：广播发送，对于每一个tuple，所有的bolts都会收到。

l Global Grouping：全局分组， 这个tuple被分配到storm中的一个bolt的其中一个task。再具体一点就是分配给id值最低的那个task。

l Non Grouping：不分组，这stream grouping个分组的意思是说stream不关心到底谁会收到它的tuple。目前这种分组和Shuffle grouping是一样的效果， 有一点不同的是storm会把这个bolt放到这个bolt的订阅者同一个线程里面去执行。

l Direct Grouping： 直接分组， 这是一种比较特别的分组方法，用这种分组意味着消息的发送者指定由消息接收者的哪个task处理这个消息。只有被声明为Direct Stream的消息流可以声明这种分组方法。而且这种消息tuple必须使用emitDirect方法来发射。消息处理者可以通过TopologyContext来获取处理它的消息的task的id （OutputCollector.emit方法也会返回task的id）。

l Local or shuffle grouping：如果目标bolt有一个或者多个task在同一个工作进程中，tuple将会被随机发生给这些tasks。否则，和普通的Shuffle Grouping行为一致。