Storm杂记 — Field Grouping和Shuffle Grouping的区别
来源:互联网 发布:js array对象 清空 编辑:程序博客网 时间:2024/05/21 10:47
转载请注明出处:http://blog.csdn.net/luonanqin
官方文档里有这么一句话:“if the stream is grouped by the “user-id” field, tuples with the same “user-id” will always go to the same task”
一个task就是一个处理逻辑的实例,所以fields能根据tuple stream的id,也就是下面定义的xxx
比如说:
然后第二次emit四个流,即xxx有luonq qinnanluo py pangyang四个值,假设还是由刚才的三个task实例来处理:
然后第三次emit两个流,即xxx有py qinnl两个值,假设还是由刚才的三个task实例来处理:
最后我们看看三个task实例都处理了哪些值,分别处理了多少次:
instance1: luonq(处理2次)
instance2: pangyang(处理2次) qinnanluo(处理1次)
instance3: qinnl(处理2次) py(处理2次)
结论:
1. emit发出的值第一次由哪个task实例处理是随机的,此后再次出现这个值,就固定由最初处理他的那个task实例再次处理,直到topology结束
2. 一个task实例可以处理多个emit发出的值
3. 和shuffle Grouping的区别就在于,当emit发出同样的值时,处理他的task是随机的
最近研究Storm的Stream Grouping的时候,对Field Grouping和Shuffle Grouping理解不是很透彻。去看WordCountTopology也不怎么理解,后来脑洞一开,加了一行代码再次运行,彻底顿悟。只能说自己对Storm的基本概念还是没吃透啊。(WordCountTopology这个例子请自行参考Storm-Starter)
public void execute(Tuple tuple, BasicOutputCollector collector) {String word = tuple.getString(0);// 添加这行代码的作用是看看值相等的word是不是同一个实例执行的,实时证明确实如此System.out.println(this + "====" + word);Integer count = counts.get(word);if (count == null)count = 0;count++;counts.put(word, count);collector.emit(new Values(word, count));}经过反复测试,下面是我个人的一些总结,如果有缺少或者错误我会及时改正。
官方文档里有这么一句话:“if the stream is grouped by the “user-id” field, tuples with the same “user-id” will always go to the same task”
一个task就是一个处理逻辑的实例,所以fields能根据tuple stream的id,也就是下面定义的xxx
public void declareOutputFields(OutputFieldsDeclarer declarer) { declarer.declare(new Fields("xxx"));}xxx所代表的具体内容会由某一个task来处理,并且同一个xxx对应的内容,处理这个内容的task实例是同一个。
比如说:
bolt第一次emit三个流,即xxx有luonq pangyang qinnl三个值,假设分别建立三个task实例来处理:
luonq -> instance1pangyang -> instance2qinnl -> instance3
然后第二次emit四个流,即xxx有luonq qinnanluo py pangyang四个值,假设还是由刚才的三个task实例来处理:
luonq -> instance1qinnanluo -> instance2py -> instance3pangyang -> instance2
然后第三次emit两个流,即xxx有py qinnl两个值,假设还是由刚才的三个task实例来处理:
py -> instance3qinnl -> instance3
最后我们看看三个task实例都处理了哪些值,分别处理了多少次:
instance1: luonq(处理2次)
instance2: pangyang(处理2次) qinnanluo(处理1次)
instance3: qinnl(处理2次) py(处理2次)
结论:
1. emit发出的值第一次由哪个task实例处理是随机的,此后再次出现这个值,就固定由最初处理他的那个task实例再次处理,直到topology结束
2. 一个task实例可以处理多个emit发出的值
3. 和shuffle Grouping的区别就在于,当emit发出同样的值时,处理他的task是随机的
8 1
- Storm杂记 — Field Grouping和Shuffle Grouping的区别
- storm的tail特性和stream grouping
- Hadoop中Partition解析 和 storm的grouping
- storm的八种Grouping策略
- GROUPING
- grouping
- Grouping
- Grouping
- GROUPING
- GROUPING
- storm自定义grouping
- twitter storm(Stream grouping)
- 关于Storm Stream grouping
- storm stream grouping
- storm-Custom Grouping
- Grouping测试-Storm
- 学习-storm中的Grouping
- Oracle grouping和grouping sets
- day60,page80
- windows7 安装向导
- 创建和删除桌面快捷方式
- Android开发之dialog组件
- js的倒计时事件与倒计时小例子
- Storm杂记 — Field Grouping和Shuffle Grouping的区别
- php基础一
- 推荐!国外程序员整理的 C++ 资源大全
- hdu4521 小明系列问题——小明序列(LIS变种 (线段树+单点更新解法))
- Spring中常用的hql查询方法 (getHibernateTemplate())(
- CCNA学习笔记Day2
- C++虚表、虚指针
- 资源限制阈值
- 农业银行K宝不能下载证书