Storm配置项详解

什么是Storm?

Storm是twitter开源的一套实时数据处理框架，基于该框架你可以通过简单的编程来实现对数据流的实时处理变换。

Storm的配置文件一般存放在$STORM_HOME/conf下，通常名为storm.yaml，它符合yaml格式要求。

配置项详解:

以下是从storm的backtype.storm.Config类中搜集的所有storm支持的配置项(Based storm 0.6.0):

配置项配置说明storm.zookeeper.serversZooKeeper服务器列表storm.zookeeper.portZooKeeper连接端口storm.local.dirstorm使用的本地文件系统目录(必须存在并且storm进程可读写)storm.cluster.modeStorm集群运行模式([distributed|local])storm.local.mode.zmqLocal模式下是否使用ZeroMQ作消息系统，如果设置为false则使用java消息系统。默认为falsestorm.zookeeper.rootZooKeeper中Storm的根目录位置storm.zookeeper.session.timeout客户端连接ZooKeeper超时时间storm.id运行中拓扑的id,由storm name和一个唯一随机数组成。nimbus.hostnimbus服务器地址nimbus.thrift.portnimbus的thrift监听端口nimbus.childopts通过storm-deploy项目部署时指定给nimbus进程的jvm选项nimbus.task.timeout.secs心跳超时时间，超时后nimbus会认为task死掉并重分配给另一个地址。nimbus.monitor.freq.secsnimbus检查心跳和重分配任务的时间间隔.注意如果是机器宕掉nimbus会立即接管并处理。nimbus.supervisor.timeout.secssupervisor的心跳超时时间,一旦超过nimbus会认为该supervisor已死并停止为它分发新任务.nimbus.task.launch.secstask启动时的一个特殊超时设置.在启动后第一次心跳前会使用该值来临时替代nimbus.task.timeout.secs.nimbus.reassign当发现task失败时nimbus是否重新分配执行。默认为真，不建议修改。nimbus.file.copy.expiration.secsnimbus判断上传/下载链接的超时时间，当空闲时间超过该设定时nimbus会认为链接死掉并主动断开ui.portStorm UI的服务端口drpc.serversDRPC服务器列表，以便DRPCSpout知道和谁通讯drpc.portStorm DRPC的服务端口supervisor.slots.portssupervisor上能够运行workers的端口列表.每个worker占用一个端口,且每个端口只运行一个worker.通过这项配置可以调整每台机器上运行的worker数.(调整slot数/每机)supervisor.childopts在storm-deploy项目中使用,用来配置supervisor守护进程的jvm选项supervisor.worker.timeout.secssupervisor中的worker心跳超时时间,一旦超时supervisor会尝试重启worker进程.supervisor.worker.start.timeout.secssupervisor初始启动时，worker的心跳超时时间，当超过该时间supervisor会尝试重启worker。因为JVM初始启动和配置会带来的额外消耗，从而使得第一次心跳会超过supervisor.worker.timeout.secs的设定supervisor.enablesupervisor是否应当运行分配给他的workers.默认为true,该选项用来进行Storm的单元测试,一般不应修改.supervisor.heartbeat.frequency.secssupervisor心跳发送频率(多久发送一次)supervisor.monitor.frequency.secssupervisor检查worker心跳的频率worker.childoptssupervisor启动worker时使用的jvm选项.所有的”%ID%”字串会被替换为对应worker的标识符worker.heartbeat.frequency.secsworker的心跳发送时间间隔task.heartbeat.frequency.secstask汇报状态心跳时间间隔task.refresh.poll.secstask与其他tasks之间链接同步的频率.(如果task被重分配,其他tasks向它发送消息需要刷新连接).一般来讲，重分配发生时其他tasks会理解得到通知。该配置仅仅为了防止未通知的情况。topology.debug如果设置成true，Storm将记录发射的每条信息。topology.optimizemaster是否在合适时机通过在单个线程内运行多个task以达到优化topologies的目的.topology.workers执行该topology集群中应当启动的进程数量.每个进程内部将以线程方式执行一定数目的tasks.topology的组件结合该参数和并行度提示来优化性能topology.ackerstopology中启动的acker任务数.Acker保存由spout发送的tuples的记录，并探测tuple何时被完全处理.当Acker探测到tuple被处理完毕时会向spout发送确认信息.通常应当根据topology的吞吐量来确定acker的数目，但一般不需要太多.当设置为0时,相当于禁用了消息可靠性,storm会在spout发送tuples后立即进行确认.topology.message.timeout.secstopology中spout发送消息的最大处理超时时间.如果一条消息在该时间窗口内未被成功ack,Storm会告知spout这条消息失败。而部分spout实现了失败消息重播功能。topology.kryo.register注册到Kryo(Storm底层的序列化框架)的序列化方案列表.序列化方案可以是一个类名,或者是com.esotericsoftware.kryo.Serializer的实现.topology.skip.missing.kryo.registrationsStorm是否应该跳过它不能识别的kryo序列化方案.如果设置为否task可能会装载失败或者在运行时抛出错误.topology.max.task.parallelism在一个topology中能够允许的最大组件并行度.该项配置主要用在本地模式中测试线程数限制.topology.max.spout.pending一个spout task中处于pending状态的最大的tuples数量.该配置应用于单个task,而不是整个spouts或topology.topology.state.synchronization.timeout.secs组件同步状态源的最大超时时间(保留选项,暂未使用)topology.stats.sample.rate用来产生task统计信息的tuples抽样百分比topology.fall.back.on.java.serializationtopology中是否使用java的序列化方案zmq.threads每个worker进程内zeromq通讯用到的线程数zmq.linger.millis当连接关闭时,链接尝试重新发送消息到目标主机的持续时长.这是一个不常用的高级选项,基本上可以忽略.java.library.pathJVM启动(如Nimbus,Supervisor和workers)时的java.library.path设置.该选项告诉JVM在哪些路径下定位本地库.