Storm的wordcount代码编写与分析
来源:互联网 发布:英语短语软件 编辑:程序博客网 时间:2024/06/05 12:43
storm包里面是给了wordcount程序实例的,所以我们是可以参考这个来自己实现。从源码来看,如下
首先创建TopologyBuilder对象,通过该对象来设置spout和bolt。
设置spout的时候可以指定自己编写的Spout类以及使用的线程数(即executor数或者说task数,因为默认情况下就是相等的)。设置bolt的时候可以指定自己编写的Bolt类,指定分组策略。比如图中,split这个Bolt的数据(以tuple为单位)来源与id为spout的Spout对象,该对象发射数据给Bolt的策略是随机发。而count对应的Bolt的数据来源于split对应的Bolt对象,该对象发送数据按照word字段来发。
单词计数的各种实现伪代码
1、java实现
//一行一行读取文件中数据String line = BufferedReader.readLine();//按空格切割String[] words = line.split(" ");//进行统计Map<String,Integer> map = new HashMap<>();for (String word : words){ if(map.containskey(word)){ map.put(word,map.get(word)+1); }else { map.put(word,1); }}
2、hadoop实现单词计数
protected void map(LongWritable key, Text value,Context context) throws IOException, InterruptedException { //每读一行会调用一次 //按空格切分单词 String values = value.toString(); String[] words = values.split(" "); for (String word : words) { //将单词作为key,1作为value输出 context.write(new Text(word), new IntWritable(1)); } }protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { int count = 0; for (IntWritable in : values) { count += in.get(); } context.write(new Text(key), new IntWritable(count)); }
3、storm实现单词计数
Spout: FileReader.readLine(); 输出:line(tuple对象)SplitBolt: 输入:line(tuple对象) String[] words = line.split(); for(String word : words){ //输出word collectot.emit(word); }CountBolt: 输入:word Map<String,Integer> map = new HashMap<>();for (String word : words){ if(map.containskey(word)){ map.put(word,map.get(word)+1); }else { map.put(word,1); }}
Storm的单词计数代码编写
1、主程序
public class WordCountTopologyDriver { public static void main(String[] args) throws AlreadyAliveException, InvalidTopologyException { //1、创建topologyBuilder,设置spout和bolt TopologyBuilder topologyBuilder = new TopologyBuilder(); //设置spout 传参:id,使用的Spout类,并发度 topologyBuilder.setSpout("myspout",new MySpout(),1); //设置Bolt 传参:id,使用的Bolt类,并发度 //设置分组策略 随机分 参数为spout的id //mybolt1与myspout跟进id进行连接,怎么连接?取决于分组策略,shuffleGrouping会对myspout进行分组 //五个task(也就是五个executor或者说五个线程) topologyBuilder.setBolt("mybolt1",new SplitBolt(),4).shuffleGrouping("myspout"); //设置分组策略 按字段分 参数为上一阶段的bolt的id //注:如果字段与mybolt里面声明的不一致会出现backtype.storm.generated.InvalidTopologyException: null topologyBuilder.setBolt("mybolt2",new CountBolt(),2).fieldsGrouping("mybolt1",new Fields("word")); //2、创建Config,指定分配的worker的数量 Config config = new Config(); config.setNumWorkers(3); //提交任务,可以使用storm集群来提交也可以使用本地模式来提交(便于调试)// StormSubmitter.submitTopology("wordcountsubmit",config,topologyBuilder.createTopology()); //使用本地模式提交 LocalCluster localCluster = new LocalCluster(); localCluster.submitTopology("wordcountsubmit",config,topologyBuilder.createTopology()); }}
2、自定义Spout
/** * 获取数据 * 将数据一行行写出去 * Created by 12706 on 2017/11/6. */public class MySpout extends BaseRichSpout { SpoutOutputCollector collector; //初始化方法 public void open(Map map, TopologyContext topologyContext, SpoutOutputCollector collector) { this.collector = collector; } //storm 框架会循环调用(while(true){..})该方法,将数据射出去 public void nextTuple() { //需要传入的是一个List,而Vlaues本身就是一个list collector.emit(new Values("hadoop hive hbase storm kafka spark")); } public void declareOutputFields(OutputFieldsDeclarer outputFieldsDeclarer) { //给写出去的数据做声明,格式根据 collector.emit来定 outputFieldsDeclarer.declare(new Fields("bigdata")); }}
3、单词切割Bolt
/** * 接收MySpout射出的数据 * 每次接收list中的第一个数据(也只有这一个,是一行单词),按照空格切分,射出到下一个单词统计的CountBolt * Created by 12706 on 2017/11/6. */public class SplitBolt extends BaseRichBolt{ OutputCollector collector; //初始化方法 public void prepare(Map map, TopologyContext topologyContext, OutputCollector outputCollector) { this.collector = outputCollector; } //storm框架会循环调用该方法 //对MySpout射出的数据进行处理,将数据按照空格切割写出 public void execute(Tuple tuple) { //获取list中的第一个数据(实际也只有这一个)// public String getString(int i) {// return (String)this.values.get(i);// }这是源码中代码,而value本身就是个list。所以取的就是spout射出的list中的第一个数据 String line = tuple.getString(0); //按空格切割 String[] words = line.split(" "); for (String word : words){ collector.emit(new Values(word,1)); } } public void declareOutputFields(OutputFieldsDeclarer outputFieldsDeclarer) { //写出声明collector.emit(new Values(word,1)),可知需要两个参数对应word和1// public Fields(String... fields) {// this(Arrays.asList(fields));// }可以从源码看到可以传入多个参数 outputFieldsDeclarer.declare(new Fields("word","num")); }}
4、单词统计Bolt
/** * 接收上一个单词划分Bolt传来的数据,进行单词统计 * Created by 12706 on 2017/11/6. */public class CountBolt extends BaseRichBolt { OutputCollector collector; //创建一个map用来缓存单词统计结果 Map<String,Integer> countMap = new HashMap<String, Integer>(); public void prepare(Map map, TopologyContext topologyContext, OutputCollector outputCollector) { this.collector = outputCollector; } public void execute(Tuple tuple) { //获取单词 String word = tuple.getString(0); //获取数量(1) Integer num = tuple.getInteger(1); if(countMap.containsKey(word)){ //单词已经存在,数量叠加 countMap.put(word,countMap.get(word)+1); }else { //单词不存在,添加单词 countMap.put(word,num); } //控制台输出查看 System.out.println(countMap); } public void declareOutputFields(OutputFieldsDeclarer outputFieldsDeclarer) { //不需要输出所以不再做声明了,今后有可能输出到redis中等 }}
设置的是本地运行模式,所以可以直接运行
控制台查看
...{storm=79526, spark=79524, hadoop=79527, hbase=79526}{storm=79526, spark=79525, hadoop=79527, hbase=79526}{storm=79526, spark=79525, hadoop=79528, hbase=79526}{storm=79526, spark=79525, hadoop=79528, hbase=79527}{storm=79527, spark=79525, hadoop=79528, hbase=79527}{hive=109259, kafka=109257}{hive=109260, kafka=109257}{hive=109260, kafka=109258}{hive=109261, kafka=109258}...
注:这里分两段是因为设置了单词计算Bolt(CountBolt)的并发度为2,而且指定了分组策略是按字段分组,所以分了两段来统计,且各个段里面的单词是一样的。
如果使用集群模式,那么讲工程打包(如storm.jar)传到集群上,执行命令
storm jar storm.jar com.itheima.storm.WordCountTopologyDriver wordcount
阅读全文
0 0
- Storm的wordcount代码编写与分析
- Storm WordCount 代码
- eclipse搭建storm的maven工程以及wordcount事例编写
- 基于storm的wordCount
- WordCount代码编写
- Storm的wordcount实战示例
- Storm入门与实践(3)通过WordCount展开Storm的编程之旅
- 第一个storm代码-wordcount-本地模式
- wordcount代码分析
- hadoop之WordCount代码编写
- 【3-3】Wordcount代码编写
- win下wordcount代码编写
- Storm+Kafka+Hbase的wordcount统计
- 3-3 wordcount代码编写 mapper+reducer,wordcount
- 分析MapReduce与Storm的异同
- 分析MapReduce与Storm的异同
- Spark Streaming与Storm的对比分析
- Spark Streaming与Storm的对比分析
- 05-多线程(多线程创建的方式一-继承Thread类)1 2 06-多线程(Thread类中的方法&线程名称) 08-多线程(线程的状态)图解
- kudu和hbase的区别和联系
- Linphone-Android 一、账户登录
- NGINX 负载均衡原理及应用
- hibernate5 报错org.hibernate.boot.MappingException: Association [XX] references an unmapped entity
- Storm的wordcount代码编写与分析
- Scrapy运行ImportError: No module named win32api
- 【续】[一日一教学](24)给CMD窗口换个标题:title
- 欢迎使用CSDN-markdown编辑器
- 放苹果
- 文字检测与识别资源
- Hdu 6007 Mr. Panda and Crystal 最短路+完全背包
- LeetCode 399 Evaluate Division(BFS)
- 关联分析之Apriori算法