Storm入门教程 第三章Storm集群安装部署步骤、storm开发环境

一. Storm集群组件

Storm集群中包含两类节点：主控节点（Master Node）和工作节点（Work Node）。其分别对应的角色如下：

• 主控节点（Master Node）上运行一个被称为Nimbus的后台程序，它负责在Storm集群内分发代码，分配任务给工作机器，并且负责监控集群运行状态。Nimbus的作用类似于Hadoop中JobTracker的角色。
• 每个工作节点（Work Node）上运行一个被称为Supervisor的后台程序。Supervisor负责监听从Nimbus分配给它执行的任务，据此启动或停止执行任务的工作进程。每一个工作进程执行一个Topology的子集；一个运行中的Topology由分布在不同工作节点上的多个工作进程组成。

Storm集群组件

Nimbus和Supervisor节点之间所有的协调工作是通过Zookeeper集群来实现的。此外，Nimbus和Supervisor进程都是快速失败（fail-fast)和无状态（stateless）的；Storm集群所有的状态要么在Zookeeper集群中，要么存储在本地磁盘上。这意味着你可以用kill -9来杀死Nimbus和Supervisor进程，它们在重启后可以继续工作。这个设计使得Storm集群拥有不可思议的稳定性。

二、Storm开发环境快速搭建（单机、集群模式）（基于Storm-0.9.1）

本文主要介绍Storm分布式集群环境的搭建，单机模式（又称本地集群、伪分布式）作为集群模式的一个特例，也会在后面有所介绍。如果在安装搭建的过程中遇到任何问题，可直接回复作者。

Storm集群搭建主要包括以下步骤：

1、搭建一个Zookeeper集群

2、在nimbus、supervisor节点安装依赖包

3、在nimbus、supervisor节点下载并解压缩Storm包

4、修改nimbus、supervisor节点的配置文件（storm.yaml）

5、使用storm脚本启动守护进程（包括nimbus、supervisor、ui）

Storm集群搭建

一些准备

在自己的win2008服务器（IP：202.202.5.223）上安装如下三台虚拟机（普通PC机上也行）：

①cluster01：

用户名 / 密码：nimbus / nimbus

ip：192.168.170.128

②cluster02：

用户名 / 密码：zookeeper / zookeeper

ip：192.168.170.129

③cluster03：

用户名 / 密码：supervisor / supervisor

ip：192.168.170.130

此三台虚拟机分别用作Storm集群中的nimbus节点、Zookeeper集群、supervisor节点，因此后面说的在nimbus节点上的操作实际上就是在cluster01这台虚拟机上进行操作，其他类推。

1、搭建一个Zookeeper集群

在cluster02这台虚拟机上搭建zookeeper集群，如何快速搭建zookeeper集群，请参考：zookeeper多种方式安装。

2、在nimbus、supervisor节点安装依赖包

JDK必须安装，本文不再赘述。（java -version检查是否安装JDK）

此外，Storm支持多种语言的开发，需要安装相应的环境。（如果需要运行storm-starter中的例子，则需要安装Python）

【

1. ZeroMQ 2.1.7 – 请勿使用2.1.10版本，因为该版本的一些严重bug会导致Storm集群运行时出现奇怪的问题。少数用户在2.1.7版本会遇到"IllegalArgumentException"的异常，此时降为2.1.4版本可修复这一问题。
2. JZMQ
3. Java 6
4. Python 2.6.6
5. unzip

】

3、下载并解压Storm到nimbus、supervisor节点

下载地址：http://storm.apache.org/downloads.html

注：解压完之后，为了后面的使用方便，可以将storm的bin目录添加到PATH环境变量中。

4、修改nimbus、supervisor节点的配置文件（storm.yaml）　　

Storm的配置文件位于storm主目录下的conf/storm.yaml，有四处强制需要指定，分别是：

1) storm.zookeeper.servers：指定zookeeper集群中的主机列表，本例中zookeeper集群只有一台主机，配置如下：

storm.zookeeper.servers:

- “192.168.170.129″

2) storm.local.dir: nimbus和supervisor进程需要一个本地磁盘上的目录去存储一些jar包、配置文件，需要注意此目录的权限。

nimbus节点上的配置：

storm.local.dir: “/home/nimbus/storm”

supervisor节点上的配置：

storm.local.dir: “/home/supervisor/storm”

3) nimbus.host:指定nimbus节点对应的主机，配置如下：

nimbus.host: “192.168.170.128″

4) supervisor.slots.ports:对于每个supervisor节点，需要指定一些端口，来运行相应数目的JVM进程。下面的配置开发了四个端口，即在supervisor节点上运行了四个JVM进程（4个worker、此处涉及到Storm中的并行化机制）。

supervisor.slots.ports:

- 6700

- 6701

- 6702

- 6703

注：nimbus节点和supervisor节点上的storm.yaml均需要配置。

storm.yaml这个脚本文件写的不咋地，所以在配置时一定注意在每一项的开始时要加空格，冒号后也必须要加空格，否则storm就不认识这个配置文件了。

说明一下：
storm.local.dir表示storm需要用到的本地目录。
nimbus.host表示那一台机器是master机器，即nimbus。
storm.zookeeper.servers表示哪几台机器是zookeeper服务器。
storm.zookeeper.port表示zookeeper的端口号，这里一定要与zookeeper配置的端口号一致，否则会出现通信错误，切记切记。如果Zookeeper集群使用的不是默认端口，那么还需要storm.zookeeper.port选项。
当然你也可以配superevisor.slot.port，supervisor.slots.ports表示supervisor节点的槽数，就是最多能跑几个worker进程（每个sprout或bolt默认只启动一个worker，但是可以通过conf修改成多个）。
storm.local.dir: Nimbus和Supervisor进程用于存储少量状态，如jars、confs等的本地磁盘目录，需要提前创建该目录并给以足够的访问权限。然后在storm.yaml中配置该目录，如：
storm.local.dir: "/home/admin/storm/workdir"
java.library.path: Storm使用的本地库（ZMQ和JZMQ）加载路径，默认为"/usr/local/lib:/opt/local/lib:/usr/lib"，一般来说ZMQ和JZMQ默认安装在/usr/local/lib 下，因此不需要配置即可。

nimbus.host: Storm集群Nimbus机器地址，各个Supervisor工作节点需要知道哪个机器是Nimbus，以便下载Topologies的jars、confs等文件，如：
nimbus.host: "111.222.333.444"
 supervisor.slots.ports: 对于每个Supervisor工作节点，需要配置该工作节点可以运行的worker数量。每个worker占用一个单独的端口用于接收消息，该配置选项即用于定义哪些端口是可被worker使用的。默认情况下，每个节点上可运行4个workers，分别在6700、6701、6702和6703端口，如：
supervisor.slots.ports:
    - 6700
    - 6701
    - 6702
    - 6703

完整示例参考：

########### These MUST be filled in for a storm configuration
 storm.zookeeper.servers: 
     - "192.168.1.104"
 nimbus.host: "192.168.1.103"
# ##### These may optionally be filled in:
#    
## List of custom serializations
# topology.kryo.register:
#     - org.mycompany.MyType
#     - org.mycompany.MyType2: org.mycompany.MyType2Serializer
#
## List of custom kryo decorators
# topology.kryo.decorators:
#     - org.mycompany.MyDecorator
#
## Locations of the drpc servers
# drpc.servers:
#     - "server1"
#     - "server2"

## Metrics Consumers
# topology.metrics.consumer.register:
#   - class: "backtype.storm.metrics.LoggingMetricsConsumer"
#     parallelism.hint: 1
#   - class: "org.mycompany.MyMetricsConsumer"
#     parallelism.hint: 1
#     argument:
#       - endpoint: "metrics-collector.mycompany.org"
 storm.local.dir: "/opt/storm" 
 ui.port: 18080
 supervisor.slots.ports: 
 - 6700
 - 6701
 - 6702
 - 6703

5、使用storm脚本启动守护进程（包括nimbus、supervisor、ui）

最后一步，启动Storm的所有后台进程。和Zookeeper一样，Storm也是快速失败（fail-fast)的系统，这样Storm才能在任意时刻被停止，并且当进程重启后被正确地恢复执行。这也是为什么Storm不在进程内保存状态的原因，即使Nimbus或Supervisors被重启，运行中的Topologies不会受到影响。

以下是启动Storm各个后台进程的方式：

1. Nimbus: 在Storm主控节点上运行"bin/storm nimbus >/dev/null 2>&1 &"启动Nimbus后台程序，并放到后台执行；
2. Supervisor: 在Storm各个工作节点上运行"bin/storm supervisor >/dev/null 2>&1 &"启动Supervisor后台程序，并放到后台执行；
3. UI: 在Storm主控节点上运行"bin/storm ui >/dev/null 2>&1 &"启动UI后台程序，并放到后台执行，启动后可以通过http://{nimbus host}:8080观察集群的worker资源使用情况、Topologies的运行状态等信息。

注意事项：

1. Storm后台进程被启动后，将在Storm安装部署目录下的logs/子目录下生成各个进程的日志文件。
2. 经测试，Storm UI必须和Storm Nimbus部署在同一台机器上，否则UI无法正常工作，因为UI进程会检查本机是否存在Nimbus链接。
3. 为了方便使用，可以将bin/storm加入到系统环境变量中。

至此，Storm集群已经部署、配置完毕，可以向集群提交拓扑运行了。

1）nimbus：在nimbus节点上运行storm nimbus命令

./storm nimbus
./storm ui

2）supervisor：在supervisor节点上运行 storm supervisor命令

./storm supervisor

3）ui：在nimbus节点上运行storm ui命令，并访问http://192.168.1.103:18080，出现如下界面则表明集群搭建成功：

3. 向集群提交任务

1）启动Storm Topology：

storm jar allmycode.jar org.me.MyTopology arg1 arg2 arg3

其中，allmycode.jar是包含Topology实现代码的jar包，org.me.MyTopology的main方法是Topology的入口，arg1、arg2和arg3为org.me.MyTopology执行时需要传入的参数。

2）停止Storm Topology：

storm kill {toponame}

其中，{toponame}为Topology提交到Storm集群时指定的Topology任务名称。

单机版集群搭建（伪分布式）

所谓伪分布式，其实并不是真正的分布式，它只是在一台机器上模拟了一个真实的分布式的环境。同理，单机版集群环境也只是用一台机器模拟了一个集群，即若干台计算机组成的环境。

单机版集群搭建的步骤与Storm集群环境的搭建过程大致相同，不过需要注意的是：

1）由于单机版集群只有一台主机，并不涉及与其他机器之间的通信，因此，在出现ip地址的地方用localhost或者127.0.0.1代替即可。

2）由于nimbus、supervisor都在同一台机器上，因此storm.yaml文件只需配置一次即可。

可能出现的问题

在启动nimbus、supervisor守护进程时如果出现问题，不妨把linux的防火墙暂时关闭一下，笔者在部署Storm集群时就遇到过这个问题。

三、storm开发环境

一，Linux (Ubuntu)环境

笔者是在ubuntu 12.04系统下完成的，

前提条件是（1）一台装有storm的集群；（2）storm-starter源码，下载地址： 

git clone git@github.com:nathanmarz/storm-starter.git

然后需要maven或者lein 来编译，笔者尝试用lein编译多次，总是不成功，各种报错。

用maven倒是一次成功，但是感觉maven的体积有点大，安装包有150M 然后依赖包还有几百兆。

 

sudo apt-get install maven

然后从终端进入到 storm-starter的文件，里面有个m2-pom.xml 文件，修改storm版本号，和你安装的storm版本必须一致。否则可能报错，编译不成功。（笔者就是因为没有修改这个版本号，结果在开发的时候各种报错，浪费很多时间，泪。。。）

storm storm 0.9.0   provided

然后 

  mvn -f m2-pom.xml package

在第一次编译的过程中，可能会提示：  Failure to transfer org.twitter4j:twitter4j-core:2.2.6-SNAPSHOT................ 等错误，没关系，解决办法在这里：缺少twitter4j依赖包的解决办法

 

编译完成后，就会在storm-start里产生一个文件夹 target，里面有一个storm-starter-0.0.1-SNAPSHOT-jar-with-dependencies.jar

就是可以提交到storm集群上的jar包啦。

 

通过这个例子你可以了解到storm的开发过程，然后用vi 编辑器 编辑你自己的程序java源码，用maven编译打包就可以执行了。当然你还可以用Linux 版的eclipse 来开发会方便很多。

 

在这个指南中，你将学到如何创建strom架构和部署它的集群。Java将是示例中用到的主要语言，在其它的一些示例中将使用python来描述strom支持多语言的能力。

先安装strom，可以参考：

http://my.oschina.net/leejun2005/blog/147607?from=20130804

上面的文章里面已经描述的很清楚了。

可以先从示例storm-starter开始学习strom。

地址是：

https://github.com/nathanmarz/storm-starter

先决条件

你需要安装git和java然后设置这个用户的环境变量。另外还有两个示例需要安装python和ruby。

然后创建新目录下载storm-starter

$ git clone git://github.com/nathanmarz/storm-starter.git && cd storm-starter

storm-starter概述

storm-starter包含很多使用storm的示例。如果你第一次使用storm，首先了解一下它的架构：

1. ExclamationTopology: Java编写的基本示例
2. WordCountTopology: 和python一起使用的例子
3. ReachTopology: 复杂的DRPC的例子

当你熟悉了上面的示例之后，可以在in src/jvm/storm/starter/ 下例如RollingTopWords 去熟悉一些更高级的实现。

如果你要学习更多的示例，可以到Storm project page.

使用storm-starter

使用storm-starter有多种方式，可以使用Leiningen或者maven。这里使用maven。

进入storm-starter的文件夹，里面有一个m2-pom.xml的文件，这个文件里面记录着storm-starter所依赖的jar包，jar包由maven仓促管理。

首先编译：

mvn -f m2-pom.xml compile exec:java -Dexec.classpathScope=compile -Dexec.mainClass=storm.starter.WordCountTopology

然后打包：

mvn -f m2-pom.xml package

将会执行几分钟，因为会下载一些依赖的Jar包，如果出现有些jar包不能下载。那就需要自己手动下载然后发到~/.m2/repository文件夹下。~号，代表的是当前用户的目录。windows下是C:Documents and Settingsyour_host_name.m2 epository下。linux运行一下cd ~ && pwd命令,然后在去找.m2文件夹即可。
执行完上步骤后，会在storm-starter文件夹下生成一个target目录，里面生成两个Jar包。

一个是storm-starter-0.0.1-SNAPSHOT.jar，

另一个是 storm-starter-0.0.1-SNAPSHOT-jar-with-dependencies.jar，

然后在此目录运行storm jar storm-starter-0.0.1-SNAPSHOT-jar-with-dependencies.jar storm.starter.WordCountTopology这个命令就会在本机模式下，用线程模拟storm平台执行topology。执行结果显示无误的话，输出会有10000多行。

运行测试：

mvn -f m2-pom.xml test

然后就是把打包的jar包发送到storm里运行了。

原因是由于Storm-starter使用twitter4j这个仓库来下载twitter4j-core这两个包，而twitter4j已经被伟大的长城盾了。
　　尝试着使用代理来解决这个问题，由于是在虚拟机环境下，出现了一些问题，未果。
　　后来在twitter4j的官网上找到了解决办法，修改pom文件从maven主仓库下载即可。
　　具体做法如下：
　　修改Storm-Starter的pom文件m2-pom.xml ，修改dependency中twitter4j-core 和 twitter4j-stream两个包的依赖版本，如下：
<dependency>
    <groupId>org.twitter4j</groupId>
    <artifactId>twitter4j-core</artifactId>
    <version>[2.2,)</version>
</dependency>
<dependency>
    <groupId>org.twitter4j</groupId>
    <artifactId>twitter4j-stream</artifactId>
    <version>[2.2,)</version>
</dependency>
　　原因是原来使用的snapshot版本在中央仓库中没有。
 ./storm jar storm-starter-0.0.1-SNAPSHOT-jar-with-dependencies.jar storm.starter.WordCountTopology

 

二，Windows环境

 

 这时候当然需要eclipsele 了，在eclipse 里新建一个java project然后，config building path 将storm安装包里的 storm-0.9.0-wip7.jar添加到编译环境，然后就可以开始编写 java代码了。

 

我看到网上很多说还需要给eclipse安装maven插件，下载maven依赖，其实不需要。

 

等你把代码写好，直接在项目上右键 -> export   jar包，然后通过 SecureFX.exe 将刚才导出的jar包上传到storm 的nimbus节点。

 

然后他通过以下命令就可以 向storm 集群提交 topology：

storm jar realODMatrix-0.0.1-SNAPSHOT.jar  main.java.realODMatrix.realODMatrixTopology realOD 

 

整个开发流程差不多就是这样。

 

一个基于storm开发了深圳市实时交通路况系统 样例，源码已经在github上开源：

https://github.com/whughchen/RealTimeTraffic

欢迎关注 并 fork 加以改进~