jstorm的acker机制

JStorm/storm可以保证从spout发出的每条消息可以被完全处理，什么叫完全处理？

为了帮助理解，我们参考storm官网的几张图和例子说明这个原理，下面是个wordCount的例子，我们从spout发出来一条消息，这个消息就是一行文字，被下游的bolt切分处理，加工，然后再往后发，count bolt统计每个单子计数。

TopologyBuilder builder = new TopologyBuilder();builder.setSpout("sentences", new KestrelSpout("kestrel.backtype.com",                                               22133,                                               "sentence_queue",                                               new StringScheme()));builder.setBolt("split", new SplitSentence(), 10)        .shuffleGrouping("sentences");builder.setBolt("count", new WordCount(), 20)        .fieldsGrouping("split", new Fields("word"));

从spout读出来的一行文字，被切分成一个单词，那么这些单词每个都与spout的那条消息（一行文字）关联，所谓完全处理，不光是这行文字被成功发射给splitbolt，还得保证这句话的每个单词都被count正确的处理掉。同样的，你的拓扑逻辑如果有更多层，那么一条消息加工处理后的关联tuple都是要被成功处理，才认为spout发出的消息被完全处理。这种从spout发出的消息以及基于它产生的（加工处理出来的）关联的消息，组成一个消息树，jstorm就是要保证这个消息树的全部消息被处理。

如果在一个可配置的时间内，一个spout的tuple的子树的消息没有被完全处理，那么就会超时，导致失败。

Config.TOPOLOGY_MESSAGE_TIMEOUT_SECS配置项，默认30s

那么jstorm提供的这种机制，用户怎么用呢，其实很简单，这种机制加到编程框架中了，

public interface ISpout extends Serializable {    void open(Map conf, TopologyContext context, SpoutOutputCollector collector);    void close();    void nextTuple();    void ack(Object msgId);    void fail(Object msgId);}

这个是spout的接口，注意到ack和fail接口了吗，你可以简单的认为，如果消息树被完全处理，那么会回调用户的spout的ack方法，反之会回调fail方法。

下面仔细梳理一下spout的框架流程：

首先，框架会调用你spout的nextTuple 方法（open初始化完成后，open提供了一个SpoutOutputCollector 对象让你发射消息到下游），发射消息的时候，你如果使用acker机制，那么需要给每个消息配上一个message id(业务id，不为空)一块发出去，这个业务id的作用后面会提到。

_collector.emit(new Values("field1", "field2", 3) , msgId);

这里有必要提一下，消息树被完全处理后，ack和fail消息不会跨spout的task传递，即你的spout task可能有多个，那么从哪个task发出的消息，对应的ack和failed消息还是会发给你谁，而不会在同一个component 的全部task之间共享。

通常spout如果从分布式消息队列消费，发给下游bolt处理，会在spout内存中缓存这些数据，如果消息树被成功处理，那么ack方法就会从缓存中清掉这条消息，或者failed之后，从缓存中重发这条信息。

spout调用SpoutOutputCollector 发射消息时，其实框架在后面做一件事情，就是给你发射的这条信息做一个link，或者说跟你这条消息唯一关联的记录，叫做anchoring，什么叫anchoring，还是看这个splitbolt

public class SplitSentence extends BaseRichBolt {        OutputCollector _collector;        public void prepare(Map conf, TopologyContext context, OutputCollector collector) {            _collector = collector;        }        public void execute(Tuple tuple) {            String sentence = tuple.getString(0);            for(String word: sentence.split(" ")) {                _collector.emit(tuple, new Values(word));            }            _collector.ack(tuple);        }        public void declareOutputFields(OutputFieldsDeclarer declarer) {            declarer.declare(new Fields("word"));        }            }

_collector.emit(tuple, new Values(word));

大家注意到这句没有，通常没有ack的时候，发射数据要么指定streamid，要么直接发射values list，即

_collector.emit(new Values(word));

但是splitbolt 连上游过来的整个tuple都发射出去了！

这是什么意思？

这就是关键所在，前面说的又是link，又是anchoring啥的，说白了就是建立消息的血缘关系，即框架要知道A这条消息，以及由A直接产生的其它子消息的关联，这个相当于是父子关系，spout发出来的消息是root根消息，然后每个处理节点，建立一级父子关系，就这样一级一级构造只有，框架就知道了整个消息树的关系。

jstorm还支持建立多对多的血缘关系，即指定的上游关联tuple可以是多个，是个list。

这种功能在实时join以及流的聚合方面很有用，实时join之后，比如两条消息根据时间戳join成一条，那么这一条的上游其实是两条消息。

List<Tuple> anchors = new ArrayList<Tuple>();anchors.add(tuple1);anchors.add(tuple2);_collector.emit(anchors, new Values(1, 2, 3));

collector.ack(tuple);

bolt里的OutputCollector 除了可以ack一个tuple，还可以直接fail掉一个tuple，比如这个bolt处理完数据正要写数据库做持久化存储，但是突然捕获到一个数据库客户端的exception，那么就可以选择fail这条消息，然后spout那边就会执行fail 方法，重放这条消息，即重新来一遍，这样要比bolt缓存这个计算结果等到客户端正常之后再写要靠谱得多，因为那样bolt要做容错的逻辑要更复杂。

开发过程中，bolt一般流程就是先发射消息，然后ack这个消息，jstorm框架提供了一个BasicBolt 封装了这个流程，你就不用每次开发都做这些重复的事情了，举个例子：

public class SplitSentence extends BaseBasicBolt {        public void execute(Tuple tuple, BasicOutputCollector collector) {            String sentence = tuple.getString(0);            for(String word: sentence.split(" ")) {                collector.emit(new Values(word));            }        }        public void declareOutputFields(OutputFieldsDeclarer declarer) {            declarer.declare(new Fields("word"));        }            }

BasicOutputCollector 把关联父子消息、ack input tuple都给做了，你就不用管了。

基于acker机制，能做到的是发出的消息被追踪到，被完全处理，但是至于消息怎么重发，怎么保证绝对的exactly once，那么这取决于程序设计，可以参考一下http://storm.apache.org/documentation/Transactional-topologies.html

了解acker怎么用，基本原理之后，我们看看这个东西是怎么实现的。

用户提交了作业之后，如果开启了acker，那么框架其实会悄悄地改变你的拓扑，即给你增加几个acker bolt，没错，acker其实就是一个bolt task

你可以通过配置文件Config.TOPOLOGY_ACKER_EXECUTORS指定有几个acker bolt在你的拓扑中，默认开启acker之后，TOPOLOGY_ACKER_EXECUTORS这个数值，如果你不设置，那么就是等于你使用的worker数，即槽位数。后面会提到，当你的消息数特别多的时候，你的acker bolt数目也要跟上，要不然ack不过来。

我们看下一个tuple的生命周期，不管是在spout里emit还是bolt里emit的消息，框架都会给这个消息加一个64位的随机数当做id，其实是<root_id,randomID>这样的一个结构，即每个tuple除了上游给他创建了一个随机64位id外还带有一个不变的root_id，来自spout task

当在bolt里执行

OutputCollector.ack(tuple);

的时候，这个bolt task会选择一个acker（发给哪个acker，下面会讲）干了什么事情呢？它会告诉acker bolt：“我处理完了（我和我的上游），我产生哪些tuple”这样acker bolt就会给消息树不需要关注节点（认为成功处理的节点）打个X

比如c产生d和两条消息，那么c完成ack之后，acker bolt眼里的这颗消息树，就成这样了,当整个消息树的节点全部打X了，说明这个消息被完全处理了

这时候acker会通知spout task

有时候一个topology里不止1个acker，那么spout和bolt的消息该发给哪个acker bolt，其实大家可以想一下，要满足2点要求：

1、能够让acker bolt负载均衡

2、同一个消息树的ack信息都发给同一个acker bolt

jstorm使用的是取模hash算法，只需要对spout的tuple 64位id取模就行了。这样基本上可以满足上面2点要求，因为spout tuple的id会透传给下游的全部消息树节点，因此，bolt也会正确路由到那个acker bolt.

另一个实现细节是，acker怎么知道把消息处理结果发给哪个spout task？实际上，spout emit一个消息的时候，就会按照消息id 取模找到对应的acker bolt，发给这个bolt一个初始化消息，初始化消息中包含了自己的task id，acker根据bolt发来的消息，构建一颗消息树，然后不断地打叉，最终完全处理后，再找到这个spout，发消息，出发ack或者fail 方法。

看到这里，我们可能会想，如果我们自己设计acker bolt，这个acker bolt可能会接收很多spout的很多消息树，并且建立spout task id跟消息树的关系，并且能够检测，编辑这个消息树状态，那么我们是不是需要缓存整个真实的消息树，显然不能，因为内存放不下，试想spout一般都是从外部消息队列抽取消息，然后一层一层加工，整体消息可能放大数倍数十倍，等于是让你把集群内部的消息全部装到bolt内存里，显然我们需要更好的办法。

那么怎么才能使用很小的空间、开销完成这件事情？

acker bolt弄了一个map来做这件事情，key就是spout tuple id即消息树的root id（64）位的，一个root id代表一个消息树；value则是一个value对，第一个value是task id（spout），这些都属于元数据，第二个value就牛逼了，是一个64位的数字，这个64位的数字代表了一棵消息树的状态，就像上面的那个图一样。

当整个value变成0了，说明，消息树被“完全处理”了，就找这个pair的第一个value，发消息就行了。

什么意思，具体怎么用的？

为了更好的说明这个过程，举个例子： spout -> bolt1/bolt2 -> bolt3 

开启了acker机制的作业，上游发给下游的tuple其实是TupleImplExt对象，它带有一个MessageId对象，这种命名非常容易误导大家，这个MessageId跟刚才说的spout发出业务id更是没关系！我们把它理解成一个pair结构就行了

1). spout发射一条消息，生成root_id，由于这个值不变，我们就用root_id来标识。 spout -> bolt1的MessageId = <root_id, 1> spout -> bolt2的MessageId =<root_id, 2> spout -> acker的MessageId = <root_id, 1^2>

2). bolt1收到消息后，生成如下消息： bolt1 -> bolt3的MessageId = <root_id, 3> bolt1 -> acker的MessageId = <root_id, 1^3>

3). 同样，bolt2收到消息后，生成如下消息： bolt2 -> bolt3的MessageId = <root_id, 4> bolt2 -> acker的MessageId = <root_id, 2^4>

4). bolt3收到消息后，生成如下消息： bolt3 -> acker的MessageId = <root_id, 3> bolt3 -> acker的MessageId = <root_id, 4>

5). acker中总共收到以下消息： <root_id, 1^2> <root_id, 1^3> <root_id, 2^4> <root_id, 3> <root_id, 4> 所有的值进行异或之后，即为1^2^1^3^2^4^3^4 = 0。

注意2/3，bolt发给下游的id还是root_id + 随机数，root_id是透传给每一个下游task的，但是每个task发给acker的消息，则是tuple自身的id异或发给下游的tuple id的结果，最后一层检测到没有下游task的时候，直接发给acker收到的tuple的id。

acker收到root_id对应的消息后，都会直接跟缓存的结果异或，通过这种方式判断是否完全被处理。

而spout 里提到的messageid其实可以理解成业务id，spout靠这个id去消息源头replay消息用的，但是本质上跟acker的消息id没有什么关系，但是没有这个messageid又不行，首先通过它要是null，那么不ack消息了，同时acker给spout task反馈你这个消息成功还是失败的时候要有这个messageid，因为通常spout会用这个messageid识别这条消息，而不是root id。

下面看一下几种情况下acker机制怎么保证数据被完全处理的。

1、task挂了，没ack那条消息

这种情况下会因为30s超时，调用spout task的fail方法。用户需要在fail方法中实现replay逻辑

2、acker bolt如果挂了，那么acker追踪的全部消息树会被重放，即调用调用spout task的fail方法。

3、spout task 挂了，那么这种情况下看你的重放机制，如果从外部消息系统重放，那么没关系，如果spout内存缓存了待重放数据，那么就会丢失那部分数据。

最后提一下，为什么bolt不及时ack会导致oom，BoltCollector 有一个

RotatingMap<Tuple, Long> pending_acks;

用于anchoring，ack之后会把相应的tuple remove掉，相当于TimeCacheMap，但是如果一直没有从这里remove或者调用rotate方法，那么消息会一直憋在里面不会被释放掉。