上一篇文章我们介绍一个简单的Storm起源，今天我去学习Storm一些主要的知识，他的基本使用基本的了解。幸运的是，，不是太困难，假设我们理解Hadoop的MapReduce模型的话。看这个也是很类似的。在了解Storm的原型时。首先了解一些概念。
1.Tuple(元组)，作为消息传递的基本单元。元组中的字段能够是不论什么类型的对象。元组会用于后面提到的Bolt方法的execute方法。
2.Spout(喷口)，是拓扑的流的来源，就是产生源数据流的组件。
喷口的数据来源能够有几种方式。(1).直接连接数据源 (2).从消息队列中读取消息 (3).通过DRPC的形式，简单的说，Spout相当于Hadoop中的Map。
3.Bolt(螺栓)。在拓扑中处理全部的逻辑。在Bolt中能够完毕连接运算，统计分析，等等各种逻辑操作。运行的方法就是刚刚说的那个execute()方法。
4.Topology(拓扑)，是Storm中执行的一个实时应用程序，一个完整的Spout--Bolt就是在一个Topology中执行的。
Storm中的拓扑相当于Hadoop中的作业job，在MapReduce的作业会终于完毕。而一个拓扑会永远执行直到他被杀死。在java里。用的是TopologyBuilder来构建拓扑。
5.Nimbus进程与Supervisor进程。主控结点执行Nimbus的守护进程。负责分配节点任务。并监视主机故障，类似Hadoop的jobTracker。
每一个工作节点执行的是Supervisor守护进程。监听主机上的已经分配好的作业。
6.Worker(工作进程)。Task(任务)。Executor(执行器),三者的关系很相近。用一张图表示直接明了。
这3个关系的在一定程度上也控制着Storm拓扑的并行度。在一个节点中能够有1个或多个工作进程执行在1个或多个拓扑中。
，所以这也表明了在Storm能够并行运行任务。
以下给出一个很easy的拓扑的样例:
public class SimpleTopology {
public static void main(String[] args) {
try {
// 实例化TopologyBuilder类。
TopologyBuilder topologyBuilder = new TopologyBuilder();
// 设置喷发节点并分配并发数。该并发数将会控制该对象在集群中的线程数。
topologyBuilder.setSpout("SimpleSpout", new SimpleSpout(), 1);
// 设置数据处理节点并分配并发数。指定该节点接收喷发节点的策略为随机方式。
topologyBuilder.setBolt("SimpleBolt", new SimpleBolt(), 3).shuffleGrouping("SimpleSpout");
Config config = new Config();
config.setDebug(true);
if (args != null && args.length > 0) {
config.setNumWorkers(1);
StormSubmitter.submitTopology(args[0], config, topologyBuilder.createTopology());
} else {
// 这里是本地模式下执行的启动代码。
config.setMaxTaskParallelism(1);
LocalCluster cluster = new LocalCluster();
cluster.submitTopology("simple", config, topologyBuilder.createTopology());
}
} catch (Exception e) {
e.printStackTrace();
}
}
}
上面的样例给出了本地測试模式和正式开发模式的的拓扑提交样例。为了比較Hadoop和Storm的差别。
我做了表格:
对照项 Hadoop Storm
系统角色 JobTracker Nimbus
TaskTracker Supervisor
应用名称 Job Topology
组件接口 Map/Reduce Spout/Bolt
这些都是个人学习为在不久的将来一段时间Storm有点小总结
版权声明：本文博主原创文章，博客，未经同意不得转载。