Kafka+Storm+HBase项目Demo(5)--topology,spout,bolt使用

来源：互联网发布：淘宝买家提供地址不详编辑：程序博客网时间：2024/05/16 09:34

相关概念
1、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。

2、Streams
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，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。你也可以自定义类型（只要实现相应的序列化器）。
每个消息流在定义的时候会被分配给一个id，因为单向消息流使用的相当普遍， OutputFieldsDeclarer定义了一些方法让你可以定义一个stream而不用指定这个id。在这种情况下这个stream会分配个值为‘default’默认的id 。
Storm提供的最基本的处理stream的原语是spout和bolt。你可以实现spout和bolt提供的接口来处理你的业务逻辑。

3、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。Spout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。
Spout类里面最重要的方法是nextTuple。要么发射一个新的tuple到topology里面或者简单的返回如果已经没有新的tuple。要注意的是nextTuple方法不能阻塞，因为storm在同一个线程上面调用所有消息源spout的方法。
另外两个比较重要的spout方法是ack和fail。storm在检测到一个tuple被整个topology成功处理的时候调用ack，否则调用fail。storm只对可靠的spout调用ack和fail。

4.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。复杂的消息流处理往往需要很多步骤，从而也就需要经过很多bolts。比如算出一堆图片里面被转发最多的图片就至少需要两步：第一步算出每个图片的转发数量。第二步找出转发最多的前10个图片。（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，bolts使用OutputCollector来发射tuple，bolts必须要为它处理的每一个tuple调用OutputCollector的ack方法，以通知Storm这个tuple被处理完成了，从而通知这个tuple的发射者spouts。一般的流程是： bolts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。

5、Stream groupings
定义一个topology的其中一步是定义每个bolt接收什么样的流作为输入。stream grouping就是用来定义一个stream应该如果分配数据给bolts上面的多个tasks。
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。

下面建立项目需要的topology

public class AreaAmtTopo {    public static void main(String[] args) {        TopologyBuilder builder = new TopologyBuilder();        builder.setSpout("spout", new OrderBaseSpout(KafkaProperties.Order_topic), 5);        builder.setBolt("filter", new AreaFilterBolt() , 5).shuffleGrouping("spout") ;        builder.setBolt("areabolt", new AreaAmtBolt() , 2).fieldsGrouping("filter", new Fields("area_id")) ;        builder.setBolt("rsltBolt", new AreaRsltBolt(), 1).shuffleGrouping("areabolt");        Config conf = new Config() ;        conf.setDebug(false);        if (args.length > 0) {            try {               StormSubmitter.submitTopology(args[0], conf, builder.createTopology());            } catch (AlreadyAliveException e) {                e.printStackTrace();            } catch (InvalidTopologyException e) {                e.printStackTrace();            }        }else {            LocalCluster localCluster = new LocalCluster();         localCluster.submitTopology("mytopology", conf, builder.createTopology());        }           }}

下面来看看spout，连接Kafka的topic，把数据发送到bolt

public class OrderBaseSpout implements IRichSpout {    String topic = null;    public OrderBaseSpout(String topic)    {        this.topic = topic ;    }    private static final long serialVersionUID = 1L;    Integer TaskId = null;    SpoutOutputCollector collector = null;    Queue<String> queue = new ConcurrentLinkedQueue<String>() ;    @Override    public void declareOutputFields(OutputFieldsDeclarer declarer) {        // TODO Auto-generated method stub        declarer.declare(new Fields("order")) ;    }    @Override    public void nextTuple() {      if (queue.size() > 0) {            String str = queue.poll() ;            collector.emit(new Values(str)) ;        }    }    @Override    public void open(Map conf, TopologyContext context,            SpoutOutputCollector collector) {        // TODO Auto-generated method stub        this.collector = collector ;        TaskId = context.getThisTaskId() ;        OrderConsumer consumer = new OrderConsumer(topic) ;        consumer.start() ;        queue = consumer.getQueue() ;    }

第一个bolt “AreaFilterBolt”，实现Map功能

public class AreaFilterBolt implements IBasicBolt {    @Override    public void execute(Tuple input, BasicOutputCollector collector) {        // order_id,order_amt,create_time,area_id        String order = input.getString(0) ;        if (order != null) {            String orderArr[] = order.split("\\t") ;            collector.emit(new Values(orderArr[3],orderArr[1],DateFmt.getCountDate(orderArr[2], DateFmt.date_short))) ;// ared_id,order_amt,create_time        }    }    @Override    public void declareOutputFields(OutputFieldsDeclarer declarer) {            declarer.declare(new Fields("area_id","order_amt","order_date")) ;    }}

第二个bolt “AreaAmtBolt”,在内存里保存各区域的sum值，隔天要清零，重新计算.

public class AreaAmtBolt implements IBasicBolt {    String today = null;    HBaseDAO dao = null;    Map <String,Double> countsMap = null ;    @Override    public void cleanup() {        // TODO Auto-generated method stub        countsMap.clear() ;    }    @Override    public void execute(Tuple input, BasicOutputCollector collector) {        // area_id,count        if (input != null) {            String area_id = input.getString(0) ;            double order_amt = 0.0;            try {                order_amt = Double.parseDouble(input.getString(1)) ;            } catch (Exception e) {                System.out.println(input.getString(1)+":---------------------------------");                e.printStackTrace() ;            }            String order_date = input.getStringByField("order_date") ;            if (! order_date.equals(today)) {                //跨天处理                countsMap.clear() ;            }            Double count = countsMap.get(order_date+"_"+area_id) ;            if (count == null) {                count = 0.0 ;            }            count += order_amt ;            countsMap.put(order_date+"_"+area_id, count) ;            System.err.println("areaAmtBolt:"+order_date+"_"+area_id+"="+count);            collector.emit(new Values(order_date+"_"+area_id,count)) ;        }    }    @Override    public void prepare(Map stormConf, TopologyContext context) {        // TODO Auto-generated method stub        dao = new HBaseDAOImp() ;        //根据HBase里初始值进行初始化 countsMap        today = DateFmt.getCountDate(null, DateFmt.date_short);        countsMap = this.initMap(today, dao);        for(String key:countsMap.keySet())        {            System.err.println("key:"+key+"; value:"+countsMap.get(key));        }    }    @Override    public void declareOutputFields(OutputFieldsDeclarer declarer) {        declarer.declare(new Fields("date_area","amt")) ;    }    public Map<String, Double> initMap(String rowKeyDate, HBaseDAO dao)    {        Map <String,Double> countsMap = new HashMap<String, Double>() ;        List<Result> list = dao.getRows("area_order", rowKeyDate, new String[]{"order_amt"});        for(Result rsResult : list)        {            String rowKey = new String(rsResult.getRow());            for(KeyValue keyValue : rsResult.raw())            {                if("order_amt".equals(new String(keyValue.getQualifier())))                {                    countsMap.put(rowKey, Double.parseDouble(new String(keyValue.getValue()))) ;                    break;                }            }        }        return countsMap;    }}

第三个bolt “AreaRsltBolt“,每隔5秒保存数据到HBase

public class AreaRsltBolt implements IBasicBolt {    /**     *      */    private static final long serialVersionUID = 1L;    Map <String,Double> countsMap = null ;    @Override    public void cleanup() {        // TODO Auto-generated method stub    }    HBaseDAO dao = null;    long beginTime = System.currentTimeMillis() ;    long endTime = 0L ;    @Override    public void execute(Tuple input, BasicOutputCollector collector) {        // TODO Auto-generated method stub        String date_areaid = input.getString(0) ;        double order_amt = input.getDouble(1) ;        countsMap.put(date_areaid, order_amt) ;        endTime = System.currentTimeMillis() ;        if (endTime - beginTime >= 5 * 1000) {            for(String key : countsMap.keySet())            {                // put into hbase                // 2014-05-05_1,amt                dao.insert("area_order", key, "cf", "order_amt", countsMap.get(key)+"") ;                System.err.println("rsltBolt put hbase: key="+key+"; order_amt="+countsMap.get(key));            }            beginTime = System.currentTimeMillis() ;        }    }    @Override    public void prepare(Map stormConf, TopologyContext context) {        // TODO Auto-generated method stub        dao = new HBaseDAOImp() ;        countsMap = new HashMap<String, Double>() ;    }}

阅读全文

0 0