storm中的topology-worker-executor-task

• 调度角色
• 调度方法
• 自定义调度

1 调度角色

 

任务角色结构

上图是JStorm中一个topology对应的任务执行结构，其中worker是进程，executor对应于线程，task对应着spout或者bolt组件。

1.1 Worker

Worker是task的容器， 同一个worker只会执行同一个topology相关的task。 一个topology可能会在一个或者多个worker（工作进程）里面执行，每个worker执行整个topology的一部分。比如，对于并行度是300的topology来说，如果我们使用50个工作进程来执行，那么每个工作进程会处理其中的6个tasks。Storm会尽量均匀的工作分配给所有的worker。

1.2 Executor

Executor是在worker中的执行线程，在同一类executor中，要么全部是同一个bolt类的task，要么全部是同一个spout类的task，需要注意的是， 一个executor只能同时运行一个task，创建时将多个task设置在一个executor中，在前期Storm中主要考虑的是后期线程扩展（待验证），但是在JStorm中可以在rebalance时改变Task的数量，所以不需要将task数量大于executor。

1.3 Task

Task是真正任务的执行者，对应创建topology时建立的一个bolt或者spout组件。每一个spout和bolt会被当作很多task在整个集群里执行。可以调用TopologyBuilder类的setSpout和setBolt来设置并行度（也就是有多少个task）。

2 调度方法

2.1 默认调度算法

默认调度算法遵循以下的原则：

1. 任务调度算法以worker为维度，尽量将平均分配到各个supervisor上；
2. 以worker为单位，确认worker与task数目大致的对应关系(注意在这之前已经其他拓扑占用利用的worker不再参与本次动作)；
3. 建立task-worker关系的优先级依次为：尽量避免同类task在同一work和supervisor下的情况，尽量保证task在worker和supervisor基准上平均分配，尽量保证有直接信息流传输的task在同一worker下。
4. 调度过程中正在进行的调度动作不会对已发生的调度动作产生影响

2.2 调度示例

如下是一个topology创建时配置代码，以及运行时的示意图。

//创建topology配置代码
Config conf = new Config();
conf.setNumWorkers(2); // use two worker processes
topologyBuilder.setSpout("blue-spout", new BlueSpout(), 2);
topologyBuilder.setBolt("green-bolt", new GreenBolt(), 2)
               .setNumTasks(4)
               .shuffleGrouping("blue-spout");
topologyBuilder.setBolt("yellow-bolt", new YellowBolt(), 6)
               .shuffleGrouping("green-bolt");
StormSubmitter.submitTopology("mytopology", conf,
                              topologyBuilder.createTopology());

 

任务调度结果示意图

参考以上代码，以及任务调度算法，该拓扑中，设为worker为2，蓝色Spout并发设置为2，task默认与并发相同为2；绿色Bolt执行并发为2，但设置其task为4，所以每个executor中有两个Task，黄色Bolt并发为6，task默认与并发相同为6。
图中两个worker是一致的，可以认为是JStorm分配任务时做的权衡，尽量分配的均匀，不代表所有情况都是如此。

2.3 分发过程

 

Storm任务分发过程

上图是storm的示例，JStorm雷同。
JStorm任务分发过程：

1. 客户端提交拓扑到nimbus，并开始执行；
2. Nimbus针对该拓扑建立本地的目录，根据topology的配置计算task，分配task，在zookeeper上建立assignments节点存储task和supervisor机器节点中woker的对应关系；
3. 在zookeeper上创建taskbeats节点来监控task的心跳；启动topology。
4. 各Supervisor去zookeeper上获取分配的tasks，启动多个woker进行，每个woker生成task；根据topology信息初始化建立task之间的连接。

 使用ack机制需要注意是的：

spout发送数据时需要指定msgID,中间的bolt在emit数据的时候需要传递tuple，否则当下游的bolt失败后，不会触发spout的fail

 collector.ack与collector.fail的位置一定不要乱放，否则很可能不执行spout的fail方法 

如果ack放在emit之前，或者在调用fail之后，程序还有机会调用到ack，那么就会结束jstorm的ack线程，告诉整个topology,此任务已结束，并处理成功。

https://blog.csdn.net/wwwxxdddx/article/details/49977697