想学Storm吗？Let‘s go（1）

转载请注明出处：http://blog.csdn.net/jim_cainiaoxiaolang

作者：jim_cainiaoxiaolang

总体来说，接触Storm这一块已经有一年多了，但是一直没有做一些从事这方面的具体project，由于前一段工作的完结，这一段时间打算重新好好研究一下Storm。

本人对于Hadoop有一定的了解，一直在从事Hadoop对于批量数据处理方面的工作，所以觉得两者之间有一定的相似性。

对于Storm方面的文章，有很多前辈已经写了很多了，我主要是借鉴一部分他们的概念，加上一些自己学习上的体会。

1.Storm简介

Storm是一个实时计算系统。

主要特点：（1）低延迟；（2）高性能；（3）分布式；（4）可扩展；（5）容错。

Storm的优势：

1）简单的编程模型；（类似于MapReduce降低了并行批处理的复杂性，Storm降低了实时处理的复杂性）

2）服务化，一个服务框架，支持热部署，即时上线或下线APP；

3）可以使用各种语言编程；

4）Storm会管理工作进程和节点故障；

5）水平扩展，计算是在多个线程，进程和服务器之间并行进行的。

6）可靠的消息处理。Storm保证每个消息至少能得到一次完整处理。任务失败时，它会负责从消息源重试消息。

7）快速。系统的设计保证了消息能够得到快速的处理，使用zeroMQ作为其底层消息队列；

8）本地模式。Storm有一个“本地模式”，可以在处理的过程中完全模拟Storm集群。这样可以快速地进行开发和单元测试。

2.Storm架构

Storm集群是由一个主节点和多个工作节点组成。

主节点运行一个名为“Nimbus”的守护进程，用于分配代码，布置任务及故障检测。

每个工作节点都运行了一个名为“Supervisor”的守护进程，用于监听工作，开始并终止工作进程。

Nimbus和Supervisor都能快速失败，而且是无状态的，这样一来它们就变得十分健壮，两者的协调工作是由Zookeeper来完成的。

Zookeeper用于管理集群的不同组件，ZeroMQ是内部消息系统，JZMQ是ZeroMQMQ的java Blinding。有个名为Storm-deploy的子项目可以在AWS上一键部署Storm集群。

3.Storm和Hadoop基本概念对比

4.Storm的基本概念

Nimbus：负责资源分配和任务调度；

Supervisor：负责接收NImbus分配的任务，启动和停止属于自己管理的Worker进程；

Worker：运行具体处理逻辑的进程；

Task：worker中的每一个spout/bolt的线程称为一个task。在Storm0.8之后，task不再与物理线程对应，同一个Spout/bolt的task可能会共享一个物理线程，该线程称为executor。

Topology：storm中运行的一个实时应用程序，因为各个组件间的消息流动形成逻辑上的一个拓扑结构。

Spout：在一个topology中产生源数据流的组件。通常情况下Spout会从外部数据源中读取数据，然后转换为topology内部的源数据。Spout是一个主动的角色，其接口中有一个nextTuple（）函数，Storm框架会不停地调用此函数，用户只要在其中生成源数据即可。

Bolt：在一个topology中接收数据然后执行处理的组件。Bolt可以执行过滤，函数操作，合并，写数据库等任何操作。Bolt是一个被动的角色，其接口有一个execute（Tuple input)函数，在接收到消息后会调用此函数，用户可以在其中执行自己想要的操作。

Tuple：一次消息传递的基本单元。本来应该是一个key-value的map，但是由于各个组件间传递的tuple的字段名称已经事先定义好，所以tuple只要按序填入各个value就行了，所以就是一个value list。

Stream：源源不断传递的tuple就组成了stream。

5.Storm的使用场景

1）.流聚合

流聚合把两个或者多个数据流聚合成一个-基于一些共同的tuple字段。

2）.批处理

有时候为了性能或者一些别的原因，你可能想把一组tuple一起处理，而不是一个个单独处理。

3）.BasicBolt

（1）读一个输入tuple（2)根据这个输入tuple发射一个或多个tuple（3）在execute的方法的最后ack那个输入tuple

4）.内存内缓存+Fields grouping组合

5）.计算top-N

6）.用TimeCacheMap来高效的保存一个最近被更新的对象的缓存

7）.分布式RPC：CoordinatedBolt和KeyedFairBolt用Storm做分布式RPC应用的时候有两种比较常见的模式：它们被包装在CoordinatedBolt和KeyedFairBolt中。

6.Storm分组机制

数据流分组定义了一个数据流中的tuple如何分发给topology中不同bolt的task。

Shuffle grouping（随机分组)

Field grouping(按字段分组）

All grouping（全复制分组）

Globle grouping（全局分组）

None grouping（不分组）

Direct grouping（指向型分组）

目前也是刚刚开始从头学起Storm，先对其主要的基本概念做一个了解。