storm实战之WordCount

---

一，环境搭建

　　eclipse的项目的创键和jar包的导入。

二，代码编写

　　1，组件spout的代码编写，用来发射数据源。

package com;

import java.util.Map;
import java.util.Random;
import org.apache.storm.spout.SpoutOutputCollector;
import org.apache.storm.task.TopologyContext;
import org.apache.storm.topology.OutputFieldsDeclarer;
import org.apache.storm.topology.base.BaseRichSpout;
import org.apache.storm.tuple.Fields;
import org.apache.storm.tuple.Values;
public class RandomSentenceSpout extends BaseRichSpout{
   //用来收集spout的输出tuple
	private SpoutOutputCollector Collector;
	//private Random rand;
	private static final  long SrialversionUID=1l; 
	
	@Override
	public void nextTuple() {
//	String[] data={"hello zhangsan","nice to meet","you zhangsan hello","lisi welcome to bj"};
//	Collector.emit(new Values(data[rand.nextInt(data.length-1)]));
		String[] datas= {"hello zhangsan nice to meet you zhangsan hello lisi welcome to bj"};
		Values values=new Values(datas[0]);
            //发射的数据
		Collector.emit(values);
		try {
			Thread.sleep(1000);
		} catch (InterruptedException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	}
	//初始化操作，只执行一遍
	@Override
	public void open(Map conf, TopologyContext context, SpoutOutputCollector Collector ) {
		this.Collector=Collector;
	}
        //为发射的数据添加唯一标识，
	@Override
	public void declareOutputFields(OutputFieldsDeclarer declarer) {
		declarer.declare(new Fields("spout"));	
	}	
}

　　2，bolt组件的代码编写，用来切割字段。

package com;

import java.util.Map;
import java.util.Random;
import org.apache.storm.spout.SpoutOutputCollector;
import org.apache.storm.task.TopologyContext;
import org.apache.storm.topology.OutputFieldsDeclarer;
import org.apache.storm.topology.base.BaseRichSpout;
import org.apache.storm.tuple.Fields;
import org.apache.storm.tuple.Values;
public class RandomSentenceSpout extends BaseRichSpout{
   //用来收集spout的输出tuple
	private SpoutOutputCollector Collector;
	//private Random rand;
	private static final  long SrialversionUID=1l; 
	
	@Override
	public void nextTuple() {
//	String[] data={"hello zhangsan","nice to meet","you zhangsan hello","lisi welcome to bj"};
//	Collector.emit(new Values(data[rand.nextInt(data.length-1)]));
		String[] datas= {"hello zhangsan nice to meet you zhangsan hello lisi welcome to bj"};
		Values values=new Values(datas[0]);
		Collector.emit(values);
		try {
			Thread.sleep(1000);
		} catch (InterruptedException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	
	}

	//初始化操作，只执行一遍
	@Override
	public void open(Map conf, TopologyContext context, SpoutOutputCollector Collector ) {
		this.Collector=Collector;
	}

	@Override
	public void declareOutputFields(OutputFieldsDeclarer declarer) {
		declarer.declare(new Fields("spout"));
		
	}
	
}

　　3，bolt组件的代码编写，用来统计字段的数量。

package com;

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

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

public class WordCount extends BaseRichBolt{

	private static final Long SrialversionUID=1l;
	private OutputCollector collector;
	Map<String,Integer>map=new HashMap<String,Integer>();
	@Override
	public void execute(Tuple value) {
		String data = value.getStringByField("word");
		if(map.containsKey(data)){
			map.put(data, map.get(data)+1);
		}else{
			map.put(data,1);
		}
		 System.out.println(map);
	}

	@Override
	public void prepare(Map arg0, TopologyContext arg1, OutputCollector collector) {
		this.collector=collector;
	}

	@Override
	public void declareOutputFields(OutputFieldsDeclarer d) {
		//d.declare(new Fields("words","int"));
	}
}

　　4，编写提交类

package com;

import org.apache.storm.Config;
import org.apache.storm.LocalCluster;
import org.apache.storm.StormSubmitter;
import org.apache.storm.generated.AlreadyAliveException;
import org.apache.storm.generated.AuthorizationException;
import org.apache.storm.generated.InvalidTopologyException;
import org.apache.storm.topology.TopologyBuilder;
import org.apache.storm.tuple.Fields;

public class mian {

	public static void main(String[] args) {
		TopologyBuilder topologyBuilder = new TopologyBuilder();
		topologyBuilder.setSpout("spout", new RandomSentenceSpout());
		topologyBuilder.setBolt("wordBolt", new WordBolt()).shuffleGrouping("spout");
		topologyBuilder.setBolt("wordint", new WordCount()).fieldsGrouping("wordBolt", new Fields("word"));
		Config config = new Config();
		if(args==null||args.length==0){
　　　　　　　　　　　　　　//集群模式
			LocalCluster localCluster = new LocalCluster();
			localCluster.submitTopology("wordCount",config ,topologyBuilder.createTopology());
		}else{
　　　　　　　　　　　　　　//单机模式
			config.setNumWorkers(1);
			try {
				StormSubmitter.submitTopology(args[0],config,topologyBuilder.createTopology());
			} catch (AlreadyAliveException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			} catch (InvalidTopologyException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			} catch (AuthorizationException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			}
		}
	}
}

　　5，打成jar包，上传到服务器运行。注意只打主类的class，不要连带项目中的jar一起打入。否则在集群上面会报错。

　　6，Stream Grouping详解　

　　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。

　　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。word 统计用的是Fields Grouping，mapreduce key相同自带就分组

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

　　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。

　　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。

　　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）。

　　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

---