实时分布式具备高容错性的计算系统storm------核心topology架构图和storm运行topology的工作流程图
来源:互联网 发布:游族网络百度广告图片 编辑:程序博客网 时间:2024/05/15 00:25
文章来源:http://blog.csdn.net/yangbutao/article/details/8445630
hadoop一般用在离线的分析计算中,而storm区别于hadoop,用在实时的流式计算中,被广泛用来进行实时日志处理、实时统计、实时风控等场景,当然也可以用在对数据进行实时初步的加工,存储到分布式数据库中如HBase,便于后续的查询。
面对的大批量的数据的实时计算,storm实现了一个可扩展的、低延迟、可靠性和容错的分布式计算平台。
1、对象介绍
tuple:表示流中一个基本的处理单元,可以包括多个field,每个filed表示一个属性
topology:一个拓扑是一个个计算节点组成的图,每个节点包换处理的逻辑,节点之间的连线表示数据流动的方向
spout:表示一个流的源头,产生tuple
bolt:处理输入流并产生多个输出流,可以做简单的数据转换计算,复杂的流处理一般需要经过多个bolt进行处理
nimnus:主控节点,负责在集群中发布代码,分配工作给机器,并且监听状态
supervisor:一个机器,工作节点,会监听分配给的工作,根据需要启动和关闭工作进程。
woker:执行topology的工作进程,用于生成task
task:每个spout和bolt都可以作为task在storm中运行,一个task对应一个线程
storm拓扑topology的组成见下图,
2、整体架构
客户端提交拓扑到nimbus。
Nimbus针对该拓扑建立本地的目录根据topology的配置计算task,分配task,在zookeeper上建立assignments节点存储task和supervisor机器节点中woker的对应关系;
在zookeeper上创建taskbeats节点来监控task的心跳;启动topology。
Supervisor去zookeeper上获取分配的tasks,启动多个woker进行,每个woker生成task,一个task一个线程;根据topology信息初始化建立task之间的连接;Task和Task之间是通过zeroMQ管理的;后整个拓扑运行起来。
上述只是介绍了storn的整个工作流程,当然storm在可靠性、容错性等方面考虑的比较全面,这后续再补充。
- 实时分布式具备高容错性的计算系统storm------核心topology架构图和storm运行topology的工作流程图
- Storm Topology的并发度 (task和executor工作模型)
- Storm中Topology的状态
- Storm Topology的并发度
- Storm Topology的并发度
- Storm Topology的并发度
- Storm Topology的并发度
- Storm Topology的性能瓶颈
- Storm的有环Topology
- (2)Storm实时日志分析实战--Topology的设计
- Storm (分布式的、容错的实时流式计算系统) 基础概念
- Twitter Storm: 在生产集群上运行topology【topology级的配置】
- Storm弹性计算:实时调整Topology并发数
- storm分配topology的关键代码注释
- Storm源码浅析之topology的提交
- Storm源码浅析之topology的提交
- Storm Topology的生命周期过程分析
- Storm源码浅析之topology的提交
- iOS 锁屏后暂停歌曲的方法设置
- Maven的pom.xml介绍
- Maven 项目不打包 *.hbm.xml 映射文件
- uva442
- OpenGL圆形绘制算法
- 实时分布式具备高容错性的计算系统storm------核心topology架构图和storm运行topology的工作流程图
- JVM指令详解(上)
- oracle 中的用户,权限,角色 , 的管理
- css3 实现动画效果,怎样使他无限循环动下去?
- hiho 3 KMP
- JVM指令详解(下)
- Java位运算符
- POJ-3061 Subsequence
- HDU 3306 Another kind of Fibonacci (矩阵快速幂)