twitter storm源码走读之8 -- TridentTopology创建过程详解 - 徽沪一郎

转载自：  http://www.cnblogs.com/hseagle/p/3537894.html

从用户层面来看TridentTopology，有两个重要的概念一是Stream,另一个是作用于Stream上的各种Operation。在实现层面来看，无论是stream，还是后续的operation都会转变成为各个Node，这些Node之间的关系通过重要的数据结构 图来维护 。 具体到TridentTopology，实现图的各种操作的组件是jgrapht。

说到图，两个基本的概念会闪现出来，一是结点，二是描述结点之间关系的边。要想很好的理解TridentTopology就需要紧盯图中结点和边的变化。

TridentTopology在转换成为普通的StormTopology时，需要将原始的图分成各个group，每个group将运行于一个独立的bolt中。TridentTopology又是如何知道哪些node应该在同一个group,哪些应该处在另一个group中的呢；如何来确定每个group的并发度(parallismHint)的呢。这些问题的解决都与jgrapht分不开。

关于jgrapht的更多信息，请参考其官方网站http://jgrapht.org

概要

在TridentTopology中向图中添加结点的api有三种：

1. addNode
2. addSourcedNode
3. addSourcedStateNode

其中addNode在创建stream是使用，addSourcedStateNode在partitionPersist时使用到，其它的operation使用到的是addSourcedNode.

addNode与其它两个方法的一个重要区别还在于，addNode是不需要添加边(Edge)，而其它两个API需要往图中添加edge，以确定该node的源是哪个。

TridentTopology

public TridentTopology() {        _graph = new DefaultDirectedGraph(new ErrorEdgeFactory());        _gen = new UniqueIdGen();    }

 在TridentTopology的构造函数中，创建了DAG(有向无环图)。利用这个_graph来作为容器以存储后续过程中创建的各个node及它们之间的关系。

newStream

 newStream会为DAG(有向无环图)中创建源结点，其调用关系如下所示。

• newStream
  • addNode
    • registerNode

 1 protected void registerNode(Node n) { 2         _graph.addVertex(n); 3         if(n.stateInfo!=null) { 4             String id = n.stateInfo.id; 5             if(!_colocate.containsKey(id)) { 6                 _colocate.put(id, new ArrayList()); 7             } 8             _colocate.get(id).add(n); 9         }10     }

each

作用于stream上的Operation有很多，以each为例来看新的operation是如何转换成为node添加到_graph中的。

//Stream.javapublic Stream each(Fields inputFields, Function function, Fields functionFields) {        projectionValidation(inputFields);        return _topology.addSourcedNode(this,                new ProcessorNode(_topology.getUniqueStreamId(),                    _name,                    TridentUtils.fieldsConcat(getOutputFields(), functionFields),                    functionFields,                    new EachProcessor(inputFields, function)));    }

调用关系描述如下

• Stream::each
• TridentTopology::addSourcedNode
• TridentTopology::registerSourcedNode

registerSourcedNode的实现如下

protected void registerSourcedNode(List<Stream> sources, Node newNode) {        registerNode(newNode);        int streamIndex = 0;        for(Stream s: sources) {            _graph.addEdge(s._node, newNode, new IndexedEdge(s._node, newNode, streamIndex));            streamIndex++;        }            }

注意此处添加edge是，是有索引的，这样可以区别处理的先后顺序。

在Stream中含有成员变量_node，表示stream最近停泊的node,有了该变量添加edge才成为了可能。

partitionPersist

public TridentState partitionPersist(StateSpec stateSpec, Fields inputFields, StateUpdater updater, Fields functionFields) {        projectionValidation(inputFields);        String id = _topology.getUniqueStateId();        ProcessorNode n = new ProcessorNode(_topology.getUniqueStreamId(),                    _name,                    functionFields,                    functionFields,                    new PartitionPersistProcessor(id, inputFields, updater));        n.committer = true;        n.stateInfo = new NodeStateInfo(id, stateSpec);        return _topology.addSourcedStateNode(this, n);    }

调用关系

• Stream::partitionPersist
• TridentTopology::addSourcedStateNode
• TridentTopology::registerSourcedNode

与addNode及addSourcedNode不同的是，addSourcedStateNode返回的是TridentState 而非 Stream 。

既然谈到了TridentState就不得不谈到其另一面 Stream::stateQuery ,

public Stream stateQuery(TridentState state, Fields inputFields, QueryFunction function, Fields functionFields) {        projectionValidation(inputFields);        String stateId = state._node.stateInfo.id;        Node n = new ProcessorNode(_topology.getUniqueStreamId(),                        _name,                        TridentUtils.fieldsConcat(getOutputFields(), functionFields),                        functionFields,                        new StateQueryProcessor(stateId, inputFields, function));        _topology._colocate.get(stateId).add(n);        return _topology.addSourcedNode(this, n);    }

从此处可以看出stateQueryNode最起码有两个inputStream，一是从TridentState而来表示状态已经改变，另一个是处于drpcStream这个方面的上一跳结点。

build

TridentTopology::build是将TridentTopology转变为StormTopology的过程，这一过程中最重要的一环就是将_graph中含有的node进行分组。

grouping

算法逻辑概述

• 将boltNodes中的每个boltNode作为一个group加入全部加入initialGroups
• 以graph和initialGroups作为入参创建GraphGrouper
• 分组的过程其实就是进行合并的过程，详见GraphGrouper::mergeFully()
  • 如果从当前group1的输出目的地都是属于group2，则将group1,group2合并
  • 如果当前group1的所有输入源都是来自于group2，则将group1，group2合并
  • 将需要合并的group1,group2作为入参创建新的group，同时将group1,group2从已有的集合出移除

public void mergeFully() {        boolean somethingHappened = true;        while(somethingHappened) {            somethingHappened = false;            for(Group g: currGroups) {                Collection<Group> outgoingGroups = outgoingGroups(g);                if(outgoingGroups.size()==1) {                    Group out = outgoingGroups.iterator().next();                    if(out!=null) {                        merge(g, out);                        somethingHappened = true;                        break;                    }                }                                Collection<Group> incomingGroups = incomingGroups(g);                if(incomingGroups.size()==1) {                    Group in = incomingGroups.iterator().next();                    if(in!=null) {                        merge(g, in);                        somethingHappened = true;                        break;                    }                }                            }        }    }

GraphGrouper::merge()

private void merge(Group g1, Group g2) {        Group newGroup = new Group(g1, g2);        currGroups.remove(g1);        currGroups.remove(g2);        currGroups.add(newGroup);        for(Node n: newGroup.nodes) {            groupIndex.put(n, newGroup);        }    }

在group之间添加partitionNode

// add identity partitions between groups        for(IndexedEdge<Node> e: new HashSet<IndexedEdge>(graph.edgeSet())) {            if(!(e.source instanceof PartitionNode) && !(e.target instanceof PartitionNode)) {                                Group g1 = grouper.nodeGroup(e.source);                Group g2 = grouper.nodeGroup(e.target);                // g1 being null means the source is a spout node                if(g1==null && !(e.source instanceof SpoutNode))                    throw new RuntimeException("Planner exception: Null source group must indicate a spout node at this phase of planning");                if(g1==null || !g1.equals(g2)) {                    graph.removeEdge(e);                    PartitionNode pNode = makeIdentityPartition(e.source);                    graph.addVertex(pNode);                    graph.addEdge(e.source, pNode, new IndexedEdge(e.source, pNode, 0));                    graph.addEdge(pNode, e.target, new IndexedEdge(pNode, e.target, e.index));                                    }            }        }

_graph中所有的node在变换过后，变成两组元素，一是spoutNodes，另一个是合并后的mergedGroup.

spoutNodes中的每个元素作为spout添加到TridentTopologyBuilder的_spouts数组中，mergedGroup中的每个group添加到TridentTopologyBuilder的_bolt数组中。在TridentTopologyBuilder::build()中最主要的事情是为每个_spouts和_bolts数组中的成员添加grouping关系。

小结

到目前为止，通过两篇文章分析了TridentTopology的创建过程及其运行时在每个TridentBoltExecutor中的消息传递情况。接下来会分析TridentTopology提供的API实现及其作用场景。