[译]【Storm入门指南】第七章 在 Storm 中使用非 JVM 语言
来源:互联网 发布:imo聊天软件 编辑:程序博客网 时间:2024/06/17 18:07
特别注明:本文翻译自 Getting started with Storm 第七章,以作学习交流之用,非盈利性质。如需转载,请以超链接形式标明文章原始出处和作者信息及版权声明。
有时候你希望使用非JVM语言来实现一个 Storm工程,也许是你使用其他语言感觉更舒服,或者是你想使用其他语言的开发的库。
Storm 是用 Java 实现的,你之前所看到的本书那些示例 spout 和 bolt 也是用Java来编码的。所以能用能用 Python、Ruby 或者 JavaScript 来编写呢?答案是肯定的。通过使用多语言协议(multilang protocol) 来实现这种可能。
多语言协议是 Storm 实现的一个特殊协议,使用标准输入输出作为进程间通信通道来完spout和bolt的处理工作。消息被编码成JSON或者简单的文本通过该通道进行传递。
让我们来看一下一个简单的使用非JVM语言编写的 spout 和 bolt 的实例。有一个用来产生1到10000之间随机数的 spout 和一个过滤质数的 bolt,它们都是用PHP编写的。
本例中,检查质数的方式很幼稚。有很多更好的实现,但是它们太复杂,不在本例讨论的范围内。
有一个针对Storm 的 PHP DLS 官方实现。在本章,我们将展示我们的实现。首先,定义 topology。
1234567
...TopologyBuilder builder = new TopologyBuilder();builder.setSpout("numbers-generator", new NumberGeneratorSpout(1, 10000));builder.setBolt("prime-numbers-filter", newPrimeNumbersFilterBolt()).shuffleGrouping("numbers-generator");StormTopology topology = builder.createTopology();...
有一种方式来明确非JVM语言的 topology。由于 Storm topology 是 Thrift 架构,且 Nimbus 是一个 Thrift 守护进程,因此你可以使用任何你想用的语言来创建和提交 topology。但有关讨论超出了本书的范围。
没有任何新东西。来看看NumbersGeneratorSpout
的实现。
12345678910111213
public class NumberGeneratorSpout extends ShellSpout implements IRichSpout { public NumberGeneratorSpout(Integer from, Integer to) { super("php", "-f", "NumberGeneratorSpout.php", from.toString(), to.toString()); } public void declareOutputFields(OutputFieldsDeclarer declarer) { declarer.declare(new Fields("number")); } public Map<String, Object> getComponentConfiguration() { return null; }}
你可能注意到,这个 spout 继承了 ShellSpout
。这是一个来自 Storm 的特殊类,可以帮助运行和控制用其他语言编写的 spout。在本例中,它告诉 Storm 如何执行 PHP 脚本。
NumberGeneratorSpout
的 PHP 脚本发射 tuple到标准输出,读取标准输入来处理应答和失败。
在浏览NumberGeneratorSpout.php
脚本实现之前,我们来看看更多多语言协议的工作细节。
Spout 产生从from
到to
的序列号,然后传递给构造函数。
接着,来看看PrimeNumbersFilterBolt
。这个方法实现了之前提到的接口。它告诉 Storm 如何执行 PHP 脚本。Storm 提供了特殊的类ShellBolt
来实现该功能,你需要做的唯一的事情是声明怎样运行脚本和发射字段。
123456789
public class PrimeNumbersFilterBolt extends ShellBolt implements IRichBolt { public PrimeNumbersFilterBolt() { super("php", "-f", "PrimeNumbersFilterBolt.php"); } public void declareOutputFields(OutputFieldsDeclarer declarer) { declarer.declare(new Fields("number")); }}
在构造函数中,只需要告诉 Storm 如何运行 PHP 脚本。这等于执行如下脚本命令:
1
php -f PrimeNumbersFilterBolt.php
PrimeNumbersFilterBolt
的 PHP 脚本从标准输入读取 tuple,处理,发射,应答或失败到标准输出。在浏览PrimeNumbersFilterBolt.php
脚本之前,让我们来看看多语言协议是如何工作的。
7.1 详解多语言协议
该协议依赖标准输入输出作为线程间通信的信道。一个脚本需要按照如下步骤来完成工作:
- 初始握手。
- 开始循环。
- 读写 tuple。
让我们详细查看每一步,以及如何使用PHP脚本去实现。
7.1.1 初始握手
Storm 为了控制处理(启动或结束),需要知道正在运行脚本的进程 ID。根据多语言协议,当进程启动时做的第一件事就是发送一个包含了 Storm 配置、topology 上下文以及 PID 目录的 JSON 对象到标准输入。这个对象有点像如下代码块:
123456789101112131415
{"conf": { "topology.message.timeout.secs": 3, // etc }, "context": { "task->component": { "1": "example-spout", "2": "__acker", "3": "example-bolt" }, "taskid": 3 }, "pidDir": "..."}
进程必须在指定的pidDir
目录下创建一个以进程ID命名的空文件,将 PID 以 JSON 对象的方式写到标准输出中。
1
{"pid": 1234}
比如,当接收到/tmp/exmaple/
且脚本的 PID 是123
,你应该在/tmp/example/123
下创建一个空文件并且打印{"pid":123}
和end
到标准输出。Storm 就是这样在关闭进程的时候来持续跟踪 PID 和终止进程的。让我们来看看 PHP 是如何做到的:
123456
$config = json_decode(read_msg(), true);$heartbeatdir = $config['pidDir'];$pid = getmypid();fclose(fopen("$heartbeatdir/$pid", "w"));storm_send(["pid"=>$pid]);flush();
你已经建立了read_msg
功能从标准输入来读取消息。多语言协议允许消息可以被编码成JSON的单行或多行。当 Storm 发送单条单词end
时,一条消息就完成了。
123456789101112131415161718192021
function read_msg() { $msg = ""; while(true) { $l = fgets(STDIN); $line = substr($l,0,-1); if($line=="end") { break; } $msg = "$msg$line\n"; } return substr($msg, 0, -1);}function storm_send($json) { write_line(json_encode($json)); write_line("end");}function write_line($line) { echo("$line\n");}
调用
flush
是非常重要的。可能存在一个直到字符数累计到一定数量才会被刷新的缓冲区。这意味着你的脚本可能会被一直挂起,等待来自Storm的输入。它永远不会被接收,因为Storm在等待来自你脚本的输出。因此确保当你的脚本有输出时及时刷新是重要的。
7.1.2 开始循环并读写 Tuple
这是最重要的一步,在这里所有工作被完成。该步的实现取决于你在开发一个 spout 或是 bolt。
在 spout 情形下,你需要开始发射 tuple。在 bolt 情形下,循环读取tuple、处理并发射它们、ack 或 fail。
让我们看看 spout 发射数字的实现。
12345678910111213141516
$from = intval($argv[1]);$to = intval($argv[2]);while(true) { $msg = read_msg(); $cmd = json_decode($msg, true); if ($cmd['command']=='next') { if ($from<$to) { storm_emit(array("$from")); $task_ids = read_msg(); $from++; } else { sleep(1); } } storm_sync();}
从命令行中获取from
和to
参数,然后开始循环。每当从 Storm 获取到一个next
消息,意味着准备开始发射一个新的 tuple。
当发射完所有的数字并且没有更多的 tuple 需要发送的话,休眠一段时间。
为了保证脚本已经为准备好下一个 tuple,在发射下一个之前等待sync
指令。使用read_msg()
读取指令并按照 JSON 格式编码。
在本例中,bolt 有所不同。
12345678910
while(true) { $msg = read_msg(); $tuple = json_decode($msg, true, 512, JSON_BIGINT_AS_STRING); if (!empty($tuple["id"])) { if (isPrime($tuple["tuple"][0])) { storm_emit(array($tuple["tuple"][0])); } storm_ack($tuple["id"]); }}
循环从标准输入读取 tuple。获取到消息后,使用 JSON 格式解码。如果是一个 tuple,处理它并检查是否是一个质数。如果是质数,将数字发射出去;否则忽略。
不论如何,都对 tuple 作应答。
在
json_decode
中使用JSON_BIGINT_AS_STRING
参数,是为了解决 Java 和 PHP 之间的转换问题。Java 发送某些很大的数字,然而这些数字在 PHP 解析时会丢失精度,这就有问题了。为了解决这个问题,告诉 PHP 把大数字解析成字符串,并且在JSON消息中禁止对该字符串使用双引号。PHP 5.4.0 或者更高版本,需要这个参数才能正常工作。
emit
、ack
、fail
和log
的格式如下:
Emit
1234
{ "command": "emit", "tuple": ["foo", "bar"]}
tuple 数组中是发射的值。
Ack
1234
{ "command": "ack", "id": 123456789}
id 是要处理的 tuple 的 ID。
Fail
1234
{ "command": "fail", "id": 123456789}
和 Ack 一样,id 是要处理的 tuple 的 ID。
Log
1234
{ "command": "log", "msg": "some message to be logged by storm."}
下面给出所有的 PHP 脚本。
Spout:
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364
<?phpfunction read_msg() { $msg = ""; while(true) { $l = fgets(STDIN); $line = substr($l,0,-1); if ($line=="end") { break; } $msg = "$msg$line\n"; } return substr($msg, 0, -1);}function write_line($line) { echo("$line\n");}function storm_emit($tuple) { $msg = array("command" => "emit", "tuple" => $tuple); storm_send($msg);}function storm_send($json) { write_line(json_encode($json)); write_line("end");}function storm_sync() { storm_send(array("command" => "sync"));}function storm_log($msg) { $msg = array("command" => "log", "msg" => $msg); storm_send($msg); flush();}$config = json_decode(read_msg(), true);$heartbeatdir = $config['pidDir'];$pid = getmypid();fclose(fopen("$heartbeatdir/$pid", "w"));storm_send(["pid"=>$pid]);flush();$from = intval($argv[1]);$to = intval($argv[2]);while(true) { $msg = read_msg(); $cmd = json_decode($msg, true); if ($cmd['command']=='next') { if ($from<$to) { storm_emit(array("$from")); $task_ids = read_msg(); $from++; } else { sleep(1); } } storm_sync();}?>
Bolt:
1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071
<?phpfunction isPrime($number) { if ($number < 2) { return false; } if ($number==2) { return true; } for ($i=2; $i<=$number-1; $i++) { if ($number % $i == 0) { return false; } } return true;}function read_msg() { $msg = ""; while(true) { $l = fgets(STDIN); $line = substr($l,0,-1); if ($line=="end") { break; } $msg = "$msg$line\n"; } return substr($msg, 0, -1);}function write_line($line) { echo("$line\n");}function storm_emit($tuple) { $msg = array("command" => "emit", "tuple" => $tuple); storm_send($msg);}function storm_send($json) { write_line(json_encode($json)); write_line("end");}function storm_ack($id) { storm_send(["command"=>"ack", "id"=>"$id"]);}function storm_log($msg) { $msg = array("command" => "log", "msg" => "$msg"); storm_send($msg);}$config = json_decode(read_msg(), true);$heartbeatdir = $config['pidDir'];$pid = getmypid();fclose(fopen("$heartbeatdir/$pid", "w"));storm_send(["pid"=>$pid]);flush();while(true) { $msg = read_msg(); $tuple = json_decode($msg, true, 512, JSON_BIGINT_AS_STRING); if (!empty($tuple["id"])) { if (isPrime($tuple["tuple"][0])) { storm_emit(array($tuple["tuple"][0])); } storm_ack($tuple["id"]); }}?>
务必将上面所有脚本放到工程的
multilang/resources
目录下。这个目录会被包含在JAR包中发送到工作者。如果你没有将脚本放置到该目录,Storm 将会出错且不会运行它们。
- [译]【Storm入门指南】第七章 在 Storm 中使用非 JVM 语言
- 【Storm入门指南】第七章 在 Storm 中使用非 JVM 语言
- 在storm中使用非Java语言
- Storm入门之第7章使用非JVM语言开发
- [译]【Storm入门指南】第三章 Topologies
- [译]【Storm入门指南】第四章 Spouts
- [译]【Storm入门指南】第五章 Bolts
- [译]【Storm入门指南】第四章 Spouts
- [译]【Storm入门指南】附录A 安装Storm客户端
- [译]【Storm入门指南】附录B 安装Storm集群
- [译]【Storm入门指南】附录A 安装Storm客户端
- [译]【Storm入门指南】第二章 入门实例
- 【Storm入门指南】第二章 入门实例
- Storm入门指南第二章 入门
- 【Storm入门指南】第二章 入门实例
- 在storm中使用流
- storm 的multilang(非jvm语言)小试
- [译]【Storm入门指南】第六章 真实示例
- PLSQL Developer 11.0.0.1762 中文绿色注册版
- 常用的<algorithm>里的函数
- 《计算机网络 自顶向下方法》读书笔记(二)
- 设置64位机器上的IIS(IIS6/IIS7)兼容32位程序
- f2c / f77 安装指导手册以及使用方法,无瑕纯洁版
- [译]【Storm入门指南】第七章 在 Storm 中使用非 JVM 语言
- 搜索引擎使用技巧
- java基础——面向对象(二)
- VS2010 编译boost1_56
- [译]【Storm入门指南】第八章 事务 Topologies
- 多线程的一些理解
- PHP in action (基础篇)
- ThreadLocal
- 输入一个三位数,其各位数字的立方和等于该数本身