Storm安装及使用

一：安装storm

（一）安装一个zookeeper集群

注意：需要先启动zookeeper集群才可以，不然后面容易出错

（二）上传storm的安装包，解压

（三）修改配置文件storm.yaml

#所使用的zookeeper集群主机
storm.zookeeper.servers:
- "hadoopH5"
- "hadoopH6"
- "hadoopH7"

#nimbus所在的主机名
nimbus.host: "hadoopH5"

可选配置：为worker进程配置端口号（端口数决定worker数）

supervisor.slots.ports
-6701
-6702
-6703
-6704
-6705

（四）启动storm

1.启动nimbus

nohup ./storm nimbus 1>/dev/null 2>&1 &　　　　　　　　开启nimbus
nohup ./storm ui 1>/dev/null 2>&1 &　　　　　　　　　　开启ui界面，通过web服务

 

 

2.启动supervisor

nohup ./storm supervisor 1>/dev/null 2>&1 &

3.测试UI

二：storm程序编写 

 （一）程序实现功能

 （二）代码实现

1.实现spout功能，进行源数据获取

package cn.storm.tl;

import java.util.Map;
import java.util.Random;

import backtype.storm.spout.SpoutOutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.base.BaseRichSpout;
import backtype.storm.tuple.Fields;
import backtype.storm.tuple.Values;
import backtype.storm.utils.Utils;

public class RandomWordSpout extends BaseRichSpout{
    
    //用于存放SpoutOutputCollector变量，在open初始化时赋值
    private SpoutOutputCollector collector;
    
    //数据模拟
    String[] words = {"Iphone","XiaoMi","HUAWEI","Geli"};
    
    //是spout组件核心逻辑
    //不断向下一个组件中发送tuple消息
    @Override
    public void nextTuple() {
        //一般从Kafka消息队列中获取数据，这里我们直接从数组中随机选取数据发送
        Random random = new Random();
        int index = random.nextInt(words.length);
        
        String word=words[index];
        
        //将数据封装为tuple，通过SpoutOutputCollector控制器实例对象，发送出去
        collector.emit(new Values(word));    //values可以输出元组列表
        
        //间隔时间,休眠500ms
        Utils.sleep(500);
    }

    //进行初始化
    @Override
    public void open(Map conf, TopologyContext context, SpoutOutputCollector collector) {
        //进行初始化操作，collector用于发送数据
        this.collector = collector;
    }

    //声明输出tuple元组数据的字段含义
    @Override
    public void declareOutputFields(OutputFieldsDeclarer declarer) {
        declarer.declare(new Fields("phoneName"));    //如果元组数据多个，可以使用list列表声明
    }

}

2.实现大写转换bolt

package cn.storm.tl;

import backtype.storm.topology.BasicOutputCollector;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.base.BaseBasicBolt;
import backtype.storm.tuple.Fields;
import backtype.storm.tuple.Tuple;
import backtype.storm.tuple.Values;

public class UpperBolt extends BaseBasicBolt{
    
    //处理业务逻辑
    @Override
    public void execute(Tuple tuple, BasicOutputCollector collector) {
        //先获取到上一个组件传递过来的数据，数据存放在tuple
        String phoneName = tuple.getString(0);    //tuple中只存放了一个值，下标为0
        //将数据转为大写
        String phoneName_upper = phoneName.toUpperCase();
        //将转换完成的数据再次发送出去
        collector.emit(new Values(phoneName_upper));
    }

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

}

3.实现后缀添加，以及文件写入

package cn.storm.tl;

import java.io.FileWriter;
import java.io.IOException;
import java.util.Map;
import java.util.UUID;

import javax.management.RuntimeErrorException;

import backtype.storm.task.TopologyContext;
import backtype.storm.topology.BasicOutputCollector;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.base.BaseBasicBolt;
import backtype.storm.tuple.Tuple;

public class SuffixBolt extends BaseBasicBolt{
    FileWriter fw = null;
    
    
    //在bolt组件运行过程中，只会被调用一次，可以用于进行初始化操作
    @Override
    public void prepare(Map stormConf, TopologyContext context) {
        try {
            fw = new FileWriter("/home/hadoop/stormoutput/"+UUID.randomUUID());
        }catch(IOException e) {
            e.printStackTrace();
        }
    }
    
    @Override
    public void execute(Tuple tuple, BasicOutputCollector collector) {
        //获取数据，进行修改
        String upper_name = tuple.getString(0);
        //进行修改
        String suffix_phone = upper_name+"-2020";
        //文件写入
        try {
            fw.write(suffix_phone);
            fw.write('
');
            fw.flush();
        }catch(IOException e) {
            e.printStackTrace();
        }
    }

    @Override
    public void declareOutputFields(OutputFieldsDeclarer arg0) {
        // TODO Auto-generated method stub
        
    }

}

4.实现整个topology，提交任务给storm集群

package cn.storm.tl;

import backtype.storm.Config;
import backtype.storm.StormSubmitter;
import backtype.storm.generated.AlreadyAliveException;
import backtype.storm.generated.InvalidTopologyException;
import backtype.storm.generated.StormTopology;
import backtype.storm.topology.TopologyBuilder;

/*
 * 组织各个组件形成一个完整的处理流程，就是所谓的topology
 * 并且将该topology提交给storm进行运行(一直运行，无退出）
 */
public class TopoMain {
    public static void main(String[] args) throws AlreadyAliveException, InvalidTopologyException {
        TopologyBuilder builder = new TopologyBuilder();
        
        //将spout组件添加到topology中
        builder.setSpout("randomspout", new RandomWordSpout(),4);    //并发度：启动executor线程数4
        
        //将大写转换bolt组件设置到topology中，并且指定它接收spout消息
        builder.setBolt("upperbolt", new UpperBolt(),4).shuffleGrouping("randomspout");
        
        //将添加后缀的bolt组件设置到topology，并指定它接收upperbolt组件的消息
        builder.setBolt("suffixbolt", new SuffixBolt(),4).shuffleGrouping("upperbolt");
        
        //用builder创建一个topology
        StormTopology topology = builder.createTopology();
        
        //配置topology在集群运行时的参数
        Config conf = new Config();
        conf.setNumWorkers(4);    //设置拓扑worker进程数
        conf.setDebug(true);
        conf.setNumAckers(0);     //设置事务ack机制，类似于TCP机制
        
        //将这个topology提交给storm集群运行
        StormSubmitter.submitTopology("demotopo", conf, topology);
    }
}
 

三：结果测试

（一）storm启动jar包

storm jar demotopo.jar cn.storm.tl.TopoMain

（二）查看supervisor节点 

文件写入：使用tail -f查看动态文件数据

四：Storm体系结构

（一）Storm中的Nimbus和Supervisor

1.Nimbus和Supervisor之间的所有协调工作都是通过Zookeeper集群完成。

2.Nimbus进程和Supervisor进程都是快速失败（fail-fast)和无状态的。所有的状态要么在zookeeper里面， 要么在本地磁盘上。

3.这也就意味着你可以用kill -9来杀死Nimbus和Supervisor进程， 然后再重启它们，就好像什么都没有发生过。这个设计使得Storm异常的稳定。

（二）Storm中的Topologies

一个topology是spouts和bolts组成的图， 通过stream groupings将图中的spouts和bolts连接起来，如下图：

（三）Storm中的Stream

消息流stream是storm里的关键抽象；

一个消息流是一个没有边界的tuple序列（消息流中包含无限的tuple）， 而这些tuple序列会以一种分布式的方式并行地创建和处理；

通过对stream中tuple序列中每个字段命名来定义stream；

在默认的情况下，tuple的字段类型可以是：integer，long，short， byte，string，double，float，boolean和byte array；

可以自定义类型（只要实现相应的序列化器）。

（四）Storm中的Spouts

消息源spout是Storm里面一个topology里面的消息生产者；

一般来说消息源会从一个外部源读取数据并且向topology里面发出消息：tuple；

Spouts可以是可靠的也可以是不可靠的：如果这个tuple没有被storm成功处理，可靠的消息源spouts可以重新发射一个tuple， 但是不可靠的消息源spouts一旦发出一个tuple就不能重发了；

消息源可以发射多条消息流stream：
     使用OutputFieldsDeclarer.declareStream来定义多个stream，
     然后使用SpoutOutputCollector来发射指定的stream。

（五）Storm中的Bolts

所有的消息处理逻辑被封装在bolts里面；

Bolts可以做很多事情：过滤，聚合，查询数据库等等。

Bolts可以简单的做消息流的传递，也可以通过多级Bolts的组合来完成复杂的消息流处理；比如求TopN、聚合操作等（如果要把这个过程做得更具有扩展性那么可能需要更多的步骤）。

Bolts可以发射多条消息流： 
     使用OutputFieldsDeclarer.declareStream定义stream；
     使用OutputCollector.emit来选择要发射的stream；

Bolts的主要方法是execute,：
     它以一个tuple作为输入，使用OutputCollector来发射tuple；
     通过调用OutputCollector的ack方法，以通知这个tuple的发射者spout；

Bolts一般的流程： 
     处理一个输入tuple,  发射0个或者多个tuple, 然后调用ack通知storm自己已经处理过这个tuple了；
     storm提供了一个IBasicBolt会自动调用ack。

（六）Storm中的Stream groupings

定义一个topology的关键一步是定义每个bolt接收什么样的流作为输入；

stream grouping就是用来定义一个stream应该如何分配数据给bolts；

Storm里面有7种类型的stream grouping：
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；
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。

（七）Storm中的Workers

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是一个物理JVM并且执行整个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；

（八）Storm中的Tasks

每一个spout和bolt会被当作很多task在整个集群里执行

每一个executor对应到一个线程，在这个线程上运行多个task

stream grouping则是定义怎么从一堆task发射tuple到另外一堆task

可以调用TopologyBuilder类的setSpout和setBolt来设置并行度（也就是有多少个task）

五：Topology运行机制

（一）运行机制

(1)Storm提交后，会把代码首先存放到Nimbus节点的inbox目录下，之后，会把当前Storm运行的配置生成一个stormconf.ser文件放到Nimbus节点的stormdist目录中，在此目录中同时还有序列化之后的Topology代码文件；

(2)在设定Topology所关联的Spouts和Bolts时，可以同时设置当前Spout和Bolt的executor数目和task数目，默认情况下，一个Topology的task的总和是和executor的总和一致的。之后，系统根据worker的数目，尽量平均的分配这些task的执行。worker在哪个supervisor节点上运行是由storm本身决定的；

(3)任务分配好之后，Nimbes节点会将任务的信息提交到zookeeper集群，同时在zookeeper集群中会有workerbeats节点，这里存储了当前Topology的所有worker进程的心跳信息；

(4)Supervisor节点会不断的轮询zookeeper集群，在zookeeper的assignments节点中保存了所有Topology的任务分配信息、代码存储目录、任务之间的关联关系等，Supervisor通过轮询此节点的内容，来领取自己的任务，启动worker进程运行；

(5)一个Topology运行之后，就会不断的通过Spouts来发送Stream流，通过Bolts来不断的处理接收到的Stream流，Stream流是无界的。

(6)最后一步会不间断的执行，除非手动结束Topology。

（二）运行机制补充

有几点需要说明的地方：
   (1)每个组件(Spout或者Bolt)的构造方法和declareOutputFields方法都只被调用一次。
   (2)open方法、prepare方法的调用是多次的。入口函数中设定的setSpout或者setBolt里的并行度参数指的是executor的数目，是负责运行组件中的task的线程 的数目，此数目是多少，上述的两个方法就会被调用多少次，在每个executor运行的时候调用一次。相当于一个线程的构造方法。
   (3)nextTuple方法、execute方法是一直被运行的，nextTuple方法不断的发射Tuple，Bolt的execute不断的接收Tuple进行处理。只有这样不断地运行，才会产生无界的Tuple流，体现实时性。相当于线程的run方法。
   (4)在提交了一个topology之后，Storm就会创建spout/bolt实例并进行序列化。之后，将序列化的component发送给所有的任务所在的机器(即Supervisor节 点)，在每一个任务上反序列化component。
   (5)Spout和Bolt之间、Bolt和Bolt之间的通信，是通过zeroMQ的消息队列实现的。
   (6)上图没有列出ack方法和fail方法，在一个Tuple被成功处理之后，需要调用ack方法来标记成功，否则调用fail方法标记失败，重新处理这个Tuple。

（三）补充：终止Topology

通过在Nimbus节点利用如下命令来终止一个Topology的运行：

storm kill topologyName

kill之后，可以通过UI界面查看topology状态，会首先变成KILLED状态，在清理完本地目录和zookeeper集群中的和当前Topology相关的信息之后，此Topology就会彻底消失