Storm集群组件和编程模型



Storm工作原理：

     Storm是一个开源的分布式实时计算系统，常被称为流式计算框架。什么是流式计算呢？通俗来讲，流式计算顾名思义：数据流源源不断的来，一边来，一边计算结果，再进入下一个流。

比如一般金融系统一直不断的执行，金融交易、用户全部行为都记录进日志里，日志分析出站点运维、猎户信息。海量数据使得单节点处理只是来。所以就用到分布式计算机型，storm 是当中的典型代表之中的一个，一般应用场景是：中间使用一个消息队列系统如kafka，先将消息缓存起来，storm 中有非常多的节点，分布式并行执行处理程序，进行数据处理。

    仅仅要不是人为干预。storm 就一直实时不断地进行数据处理。值得注意的是：并非storm去处理，而是它能够将我们程序的非常多jar包。业务程序，同一时候放到不同的server中并发的执行， 终于得到的结果就是不同系统的海量数据就会分散到不同的server中并发的进行处理，负载能力非常强。 所以真正进行数据处理的是我们写好的数据处理程序，storm的强大作用之中的一个就是它为这些程序提供了执行温床，将应用程序上传到storm 集群中，在多台机器上并发执行，这样就能够扩展程序的负载处理能力，实现流式计算。

Storm 集群组件：

集群角色：

Nimbus：集群主节点。主要负责任务分配、响应client提交topology请求以及任务失败的调度

Supervisor：集群从节点。主要负责启动、停止业务逻辑组件程序进程

    主从节点之间通过zookeeper集群进行连接，主从节点之间是fail-fast（java的一种错误机制）、无状态的，主从节点的状态信息均保存到zookeeper中或者本地硬盘里。

这种优点就在于，哪怕是主节点kill掉了，storm会自己主动起一个备份主节点。由于无状态的关系，所以随意一个节点都能够充当Nimbus一角。

这种设计使得storm十分稳定。【译自apache storm官网】

Storm 编程模型

Topology 

        业务处理模型

Spout 

       数据源组件。用于获取数据，可通过文件或者消息队列【kafka、activeMQ】中获取数据

Bolt 

       逻辑处理组件

 

     简单理解，topology【拓扑结构】就是包括了数据源、逻辑处理组件的一个外在集合框架，使用storm能够定义一个topology里set多少个数据源组件。多少个逻辑处理组件。

以下通过demo来详细解释Storm编程模型的几个主要元组

     比如如今须要对一组数据进行处理，将数据中全部的英文转成大写，再加上标识后缀，最后保存到本地文本中。当然这仅仅是一个特别简单的数据处理逻辑。仅用于帮助大家理解Storm编程模型。 那依据Storm的编程模型。实现这个数据处理需求须要建立1个数据源Spout组件。2个业务逻辑组件Bolt，以及一个Topology结构，将这3个组件增加到这个topology结构中。

public class RandomSpout extends BaseRichSpout{
	SpoutOutputCollector collector=null;
	String[] goods={"iphone","xiaomi","meizu","zhongxing","huawei","moto","sumsung","simens"};
	/*
	 * 获取消息并发送给下一个组件的方法。会被storm 不断地调用
	 * 从goods 数组中随机获取一个商品名封装到tuple中去
	 */
	@Override
	public void nextTuple() {
		Random random=new Random();
		String good=goods[random.nextInt(goods.length)];
		
		//封装到tuple中发送给下一个组件
		collector.emit(new Values(good));
	}

	//进行初始化，仅仅在開始时调用一次
	@Override
	public void open(Map conf, TopologyContext context, SpoutOutputCollector collector) {
		this.collector=collector;		
	}
	/*
	 * 定义tunple的schema
	 * 
	 */
	@Override
	public void declareOutputFields(OutputFieldsDeclarer declarer) {
		declarer.declare(new Fields("src_word"));
	}
}

     数据源Spout组件通过继承Storm基类。重写三个最核心的方法，各自是open、nextTuple、和delcare方法。open是在将运行数据传递之前所运行的方法，用于初始化数据。nextTuple中核心方法就是collector的emit方法，用于将数据传递给下一个元组。delcare用于成名元组传递、接收数据的格式，能够简单的理解为给传递的数据加上一个标识键。

public class UpperBolt extends BaseBasicBolt {

	//每来一个消息元组tuple，都会被运行一次该方法
	@Override
	public void execute(Tuple tuple,BasicOutputCollector collector) {
		//从tuple 中拿到数据--原始商品名
		String src_word=tuple.getString(0);//获取下标第一个消息
		String  upper=src_word.toUpperCase();
		//发送出去
		collector.emit(new Values(upper));		
	}
	//给消息申明一个字段名
	@Override
	public void declareOutputFields(OutputFieldsDeclarer declare) {
		declare.declare(new Fields("upper"));
	}
}

     这个逻辑处理bolt 用于将spout数据源组件中传递的元组转成大写格式，先获取tuple的数据，然后emit发送给下一个元组。

/*
 * 给商品名称加入后缀。然后写入文件里
 */
public class SuffixBolt extends BaseBasicBolt{
	FileWriter file =null;
	@Override
	public void prepare(Map stormConf, TopologyContext context) {
		try {
			 file = new FileWriter("D://eclipse_plugin"+UUID.randomUUID());
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
	//每一次执行都去new 一个writer 。应该在调用excute 之前先把writer 初始化好==持续执行
	@Override
	public void execute(Tuple tuple, BasicOutputCollector collector) {
		//从消息元组中拿到上一个组件发送过来的数据
		String upper=tuple.getString(0);
		String result=upper +"_suffix";
			try {
				file.append(result);
				file.append("/n");
			} catch (IOException e) {
			
				e.printStackTrace();
			}		
	}
	//声明该组件要发送出去的tuple的字段定义
	@Override
	public void declareOutputFields(OutputFieldsDeclarer declare) {
	}
}

     bolt和spout一样，继承storm基类之后，也会有prepare方法用于准备数据，初始化一些对象；excute方法则是每每传递过来一个元组。便会触发运行一次。这个bolt的作用在于将上一个元组传递过来的数据加上后缀处理，然后写入本地文件里。

     那么。写好了这些基础的数据源和业务逻辑处理元组，怎样组织他们的数据传递关系。这就是Topology类的职责。

/*
 * 描写叙述topology的结构，以及创建topology并提交给集群
 */
public class TopoMain {
	public static void main(String[] args) throws AlreadyAliveException, InvalidTopologyException {
		TopologyBuilder builder=new TopologyBuilder();
		
		//设置消息源组件  4表示spout进程个数
		builder.setSpout("randomSpout", new RandomSpout(),4);
		
		//设置逻辑处理组件
		//shuffleGrouping 指定接收哪个组件传过来的消息
		builder.setBolt("upper", new UpperBolt(),4).shuffleGrouping("randomSpout");
		builder.setBolt("result", new SuffixBolt(),4).shuffleGrouping("upper");
				
		//创建一个topology
		StormTopology topology=builder.createTopology();
		
		Config config=new Config();
		config.setNumWorkers(4);//设置进程个数
		config.setDebug(true);//设置调试状态
		config.setNumAckers(0);//消息应答器，事务性不是非常强。可设置为0
		
//提交topology到storm  定义一个名称。好在集群里去标识;通过配置对象传递參数给集群，集群依据这些參数，任务调度进行调整	
		StormSubmitter.submitTopology("demotopo", config, topology);
	}
}

     Topology类便将之前编写的1个spout 和2个bolt组装到一个topology中。并通过追加shuffleGrouping方法设置了他们之间的数据传递方向，以及进程个数。

     通过这个实例应该对storm的编程模型和编码流程有了简单的认识。

但这仅仅是storm的大山一小角，比如zookeeper对storm集群主从节点的管理、storm与消息中间件的结合处理海量数据。复杂的数据处理流程。这些才是storm真正大展身手的地方。