Apache Storm
Storm是一个分布式的，可靠的，容错的数据流处理系统。Storm集群的输入流由一个被称作spout的组件管理，spout把数据传递给bolt，bolt要么把数据保存到某种存储器，要么把数据传递给其它的bolt。一个Storm集群就是在一连串的bolt之间转换spout传过来的数据。
1、Storm组件：
在Storm集群中、有两类节点：主节点master node和工作节点worker nodes。
主节点运行Nimbus守护进程，这个守护进程负责在集群中分发代码，为工作节点分配任务，并监控故障。Supervisor守护进程作为拓扑的一部分运行在工作节点上。
一个Storm拓扑结构在不同的机器上运行着众多的工作节点。每个工作节点都是topology中一个子集的实现。而Nimbus和Supervisor之间的协调则通过Zookeeper系统或者集群。
2、Zookeeper：
Zookeeper是完成Supervisor和Nimbus之间协调的服务。
而应用程序实现实时的逻辑则被封装进Storm中的“topology”。topology则是一组由Spouts（数据源）和Bolts（数据操作）通过Stream Groupings进行连接的图。
3、Spout：
Spout从来源处读取数据并放入topology。
Spout分成可靠和不可靠两种；当Storm接收失败时，可靠的Spout会对tuple（元组，数据项组成的列表）进行重发；而不可靠的Spout不会考虑接收成功与否只发射一次。而Spout中最主要的方法就是nextTuple（），该方法会发射一个新的tuple到topology，如果没有新tuple发射则会简单的返回。
4、Bolt：
Topology中所有的处理都由Bolt完成。Bolt从Spout中接收数据并进行处理，如果遇到复杂流的处理也可能将tuple发送给另一个Bolt进行处理。而Bolt中最重要的方法是execute（），以新的tuple作为参数接收。不管是Spout还是Bolt，如果将tuple发射成多个流，这些流都可以通过declareStream（）来声明。
5、Stream Groupings
Stream Grouping定义了一个流在Bolt任务中如何被切分。
Shuffle grouping： // 随机分发tuple到Bolt的任务，保证每个任务获得相等数量的tuple。 Fields grouping // 根据指定字段分割数据流，并分组。例如，根据“user-id”字段，相同“user-id”的元组总是分发到同一个任务，不同“user-id”的元组可能分发到不同的任务。 Partial Key grouping // 根据指定字段分割数据流，并分组。类似Fields grouping。 All grouping // tuple被复制到bolt的所有任务。这种类型需要谨慎使用。 Global grouping // 全部流都分配到bolt的同一个任务。明确地说，是分配给ID最小的那个task。 None grouping // 无需关心流是如何分组。目前，无分组等效于随机分组。但最终，Storm将把无分组的Bolts放到Bolts或Spouts订阅它们的同一线程去执行（如果可能）。 Direct grouping // 这是一个特别的分组类型。元组生产者决定tuple由哪个元组处理者任务接收。 Local or shuffle grouping // 如果目标bolt有一个或多个任务在同一工作进程，tuples 会打乱这些进程内的任务。否则,这就像一个正常的 Shuffle grouping。
Apache-strom 必须要求Python 2.6以上
1、升级 Python 官方下载地址：
https://www.python.org/ftp/python/
wget http://www.python.org/ftp/python/2.7.6/Python-2.7.6.tgz wget https://www.python.org/ftp/python/3.6.0/Python-3.6.0.tgz # tar -xf Python-3.6.0.tgz # mv Python-3.6.0 /usr/local/python # cd /usr/local/python # ./configure --prefix=/usr/local/python # make # make install # mv /usr/bin/python /usr/bin/python_old # ln -s /usr/local/python/bin/python3.6 /usr/bin/python # python -V
2、如发现yum 异常则, 查看编辑 /usr/bin/yum 文件
将文件头部的 #!/usr/bin/python 改为以下:（因为系统默认是2.6） #!/usr/bin/python2.6
三、storm 安集群配置；(具体根据线上环境资源进行设置)
系统：Centos6.7 内核：2.6.32-573.el6.x86_64 安装目录：/opt/storm 数据日志目录：/opt/storm/{data,logs} 用户组权限：deploy 机器 hostname 需要在 hosts 里面配置关系映射:
zks1 - 192.168.1.101 zks2 - 192.168.1.102
zks3 - 192.168.1.103
zoo1 - 192.168.1.101 - myid1 zoo2 - 192.168.1.102 - myid2
zoo3 - 192.168.1.103 - myid2
四、集群说明
主节点 (nimbus) zks1
任务节点 (supervisor) zks2 zks3 等
注：storm主节点、任务节点安装配置完全一致。
1、下载安装配置：官方下载地址：
http://mirrors.hust.edu.cn/apache/storm/
http://www-eu.apache.org/dist/storm/apache-storm-1.0.3/apache-storm-1.0.3.tar.gz http://mirrors.hust.edu.cn/apache/storm/apache-storm-1.0.2/apache-storm-1.0.2.tar.gz # tar -xf apache-storm-1.0.2.tar.gz # cd apache-storm # cat apache-storm-0.9.6/conf/storm.yaml |grep -v ^# |grep -v ^$ // ********** //
storm.zookeeper.servers: - "192.168.1.101" - "192.168.1.102" - "192.168.1.103" nimbus.host: "192.168.1.101" storm.zookeeper.port: 2181 ui.port: 8090 storm.local.dir: "/opt/apache-storm-0.9.6/data" supervisor.slots.ports: - 6700 - 6701 - 6702 - 6703 - 6704 worker.childopts: "-Xmx2g"
# worker.heap.memory.mb: 2048
# // 调整分配给每个 worker 的内存 // logviewer.port: 18090 topology.max.spout.pending: 1000 topology.message.timeout.secs: 300 storm.messaging.netty.server_worker_threads: 10
// ********** //
2、主节点启动测验：
启动 nimbus # nohup ./bin/storm nimbus >/dev/null 2>&1 & 启动 UI # nohup ./bin/storm ui >/dev/null 2>&1 &
3、任务节点启动脚步
# cat supervisor_logviewer.sh nohup ./bin/storm supervisor >/dev/null 2>&1 & nohup ./bin/storm logviewer >/dev/null 2>&1 &
4、进程检测
# ps -ef|grep storm # netstat -ano |grep 8090