storm的数据源编程单元Spout学习整理

Spout呢，是Topology中数据流的源头，也是Storm针对数据源的编程单元。一般数据的来源，是通过外部数据源来读取数据项(Tuple)，并读取的数据项传输至作业的其他组件。编程人员一般可通过OutputFieldsDeclarer类的declareStream()方法来声明多个流，指定数据将要发送的流，然后使用SpoutOutputCollector的emit方法将数据发送。

这里整理了下ISpout和IComponent接口。

ISpout声明了Spout的核心方法，用于向Topology供给数据项。对于每一个发出的数据项，Storm通过Spout，可以追踪它经历处理过程的有向无环图（竟然也是DAG)。

void open (java,util.Map conf,TopologyContext context,SpoutOutputCollector collector)
用于实例化Spout的一个运行时任务，被急群众的某一进程调用 (conf对象维护Storm中针对该Spout的配置信息，context是一个上下文对象，可用于获取该组件运行时任务的信息,collector用于从该Spout发送数据项)

void close() 
用于停止一个Spout

void activate()
在Spout从非激活状态转换为激活状态时被调用

void deactivate()
在Spout的非激活状态被调用

void ack(java.lang.Object msgId)
Storm用于确认该Spout发送的这个数据项已经被完整处理

void fail(java.lang.Object msgId)
Storm用于确认该Spout发送的这个数据项已经失败

void nextTuple()
当这个方法被调用时，Storm要求Spout发送一个数据项至output collector

(nextTuple是Spout向Topology中发送一个数据项，是Spout需要实现的最重要的方法。在可靠的Spout的一个任务中，nextTuple()、ack()、fail()三个方法的调用在一个单独线程中循环。当不存在数据项需要发送时，nextTuple()将会休眠一小段间隔，确保不会浪费过多的CPU资源）

IComponent接口，声明了Topology组件的通用方法。使用JAVA语言的Spout和Bolt都必须实现这个接口。

void declareOutputFields(OutputFieldsDeclarer declarer)
声明指定输出流的数据项结构。(这里指定了输出流的数据项结构(schema)。参数declarer被用来声明输出流(stream)的id,域。

java.util.Map  getComponentConfiguration()
获取组件的配置信息

以Storm官网的WordCount来说明就是:

public class WordCount extends BaseRichSpout
{
    public static Logger log = logger.getLogger(backtype/storm/testing/WordCount);

    boolean_isDistributed;
    SpoutOutputCollector_collector;
    
    public WordCount(){
        this(true);
    }
    
    public WordCount(boolean isDistributed){
        _isDistributed = isDistributed;
    }

    public void open(Map conf,TopologyContext context,SpoutOutputCollector collector){
    _collector = collector;
    }

    public void close(){
    }

    public void nextTuple(){
       Utils.sleep(100L);
        String words[] = {
        "nathan","mike","jackson","golda","bertels"
        };

    public void ack(Object obj){
    }

    public void fail(Object obj){
    }

    public void declareOutputFields(OutputFieldsDeclarer declarer){
        declarer.declarer(new Fields(new String[] {
            "word"
    }));
    }

    public Map getComponentConfiguration(){
        if(!_isDistributed_)
        {
            Map ret = new HashMap();
            ret.put(Config.TOPOLOGY_MAX_TASK_PARALLELISM,Integer.valueOf(1));
}else{
        return null;
        }
    }
}

1、类中有对WordCount的两个重载的构造函数，其中_isDistributed指明了Spout的并行度，若_isDistributed=false,则意味着这个Spout运行时仅有一份任务实例。

2、open()函数的实现，将传入的collector赋值给局部变量，使之后通过该局部变量来操作数据项的发送。

3、declareOutputFields()函数，生命了输出流的数据项结构。

4、nextTuple函数，让一只执行的线程休眠100毫秒，再继续执行下述函数体，通过线程的休眠，控制nextTuple()产生数据项的周期为0.1秒。并且在维护字符串数组中，随机挑选一个字符串，作为"word"的域，交给变量collector作为一个Tuple发送。 （ack的作用是确认数据项是否被完整处理，这里没做处理)

5、getComponentConfiguration()函数则返回组建的配置信息(这个实例中只有在_isDistributed=false时，才返回包含该配置项的Map数据结构。

6、其他重载函数都为空实现。

那么在Topology实现类的main函数使其作为一个spout:

TopologyBuilder builder = new TopologyBuilder();
    builder.setSpout("sentenceGenSpout",new WordCount());