一、Storm topology提交到集群分析
storm目前1.x版本支持nimbus的高可用(其实也可以不需要高可用，因为nimbus是无状态的，只要运行的topology没有故障且没有新的任务需要提交到storm集群，那么也可以不要nimbus,因为是worker在运行任务，nimbus只是负责任务分配，资源调度且和supervisor保持心跳我们可以做好整个集群的监控即可，当nimbus挂了后，直接重启它，不会影响正在运行的topology)。
当我们将topology提交到storm集群的时候，如果你搭的环境是一套高可用的环境，首先需要找到leader nimbus节点，因为需要向leader节点提交我们的拓扑,当调用submitTopology的时候，首先会进行相关的配置校验，然后找到配置的nimbus的ip，循环找到为leader的ip地址将其构建成一个NimbusClient返回,然后开始提交jar,我们可以把这个过程抽象成，我们是thift client通过RPC向server提交jar,jar上传完成后，通知Nimbus上传任务已经完成，nimbus接收到jar后将jar重命名后保存到inbox目录下,然后进行配置检查，任务分配。
nimbus首先会检查它的配置信息，以及整个storm集群中可用的slots(可用理解为worker),
第一步：检查整个集群中可用的worker，然后根据配置的worker数分配
第二步：在zk中创建任务的心跳检测节点/storm/workbeats/，storm对zookeeper的一个重要应用就是利用zk的临时节点做存活检测。任务将定时刷新节点的时间戳，然后nimbus会检测这个时间戳是否超过timeout设置。
第三步：开始分配任务，根据topology配置的task数和worker数，进行分配
3.1 如果task数目比worker数多
比如task 为4个，worker为2个
task1,task2,taks3,task4
worker1,woker2, 那么效果就是task1到worker1,task2到woker2,这样依次轮询
3.2 如果worker数比task数目多
比如task5个，worker 8 个 基本会轮询保证task不会全部分配到同一个worker上
第四步:supervisor下载分配给自己的topology下载完成后然后运行。
二、高可用测试
storm nimbus的单点问题解决了在1.版本，主要理由zk的Ledaer选举实现,其实主要是依靠分布式互斥锁来实现，我们可以将zk的一个数据节点代表一个锁,当多个客户端同时调用create()节点创建节点的时候,zookeeper会保证只会有一个客户端创建成功,那么我们就可以让这个创建成功的客户端让其持有锁,而其它的客户端则注册Watcher监听,当持有锁的客户端释放锁后,监听的客户端就会收到Watcher通知,然后再去试图获取锁。
1、直接停掉nimbus leader :已经运行的任务不会有任何问题
2、任务启动过程中，立刻停掉nimbus leader
如果此时新Leader还没选举出来，任务提交会失败
如果新的Leader已经产生了，任务提交成功
3、关闭worker所在机器的supervisor守护进程(默认3秒检测一次worker进程)–> Kill -9 $workerPid —> 关闭Nimbus Leader —>worker没有重新启动/飘走–>1分钟后启动supervisor —>worker飘移走
4、storm的高可用利用分布式缓存API来实现数据的备份,实现文件在多个topology之间的共享。
三、storm的主要特点
1、水平扩展：可以直接通过加机器来提高整个集群处理任务的速率，不仅可以直接添加机器作为supervisor节点，而且可以动态调整并发度来改变运行某个topology的线程数
2、容错性比较好：当Nimbus挂了，可以通过高可用来选举出一个新的Leader(当然nimbus挂了也不是什么大问题，因为运行任务不在nimbus节点上)，当supervisor挂了，nimbus会通过心跳检测到，然后会将运行在这个supervisor节点上的所有任务转移到其它节点上，当worker挂了，即运行任务的工作进程挂了，首先supervisor会尝试重启它，如果没启动成功，那么nimbus就会将运行在worker上的任务转移到其它可用的worker节点上运行。
3、消息的可靠性处理：storm默认提供3种类型，
仅仅一次：原生storm api无法实现，需要用的storm 高级部分trident实现
最多一次：也就是消息最多只发一次，不管这条消息有没有被成功处理
至少一次：消息如果处理失败后，会重发
4、节点的无状态：状态都保存在zk里面，当我们使用kill -9 $nimbus_pid的时候，不影响整个集群的运行。
四、运行Storm的相关术语
1、topology:拓扑，运行一组spout/bolt构成的计算逻辑组件的总称
2、spout:storm消息来源,一般的话是消息队列
3、bolt:处理消息逻辑的组件，它的上游可以是spout也可以是Bolt
4、tuple：运行的消息单元，比如句子 zhangsan is a man 这个消息就是一个tuple
5、Stream:流，由一条条消息组织的，抽象成流
6、Stream Grouping:流分组，定义各个计算组件之间流的连接，分组，分发策略等
五、看一个简单的例子(测试storm的容错性)
从消息队列Kafka接收消息，然后进行单词拆分，然后统计单词出现的次数.起一个线程从消息队列收消息，3个线程进行单词拆分，1个线程进行全局计数
1、如果nimbus挂了怎么办?
2、如果supervisor 挂了怎么办?
3、如果worker挂了怎么办?
4、节点挂了怎么办?
第一个问题：nimbus是无状态的，nimbus挂了不影响整个集群中已经在运行的topology的运行。
第二个问题：supervisor守护进程挂了，没有影响。
第三个问题：worker挂了怎么办? supervisor会尝试重启，如果没有启动成功，则发生worker转移，转移到其它可用的节点上运行。
第四个问题：Node节点挂了怎么办? 这个实际上也可用理解为worker挂了，也会发生worker转移。
六、storm的并发度
一个topology可用跑在多个worker进程上，自然可用想的在一个进程里面，我们可以跑多个线程，再一次加快数据的处理效率，默认情况下，如果我们不设置线程数，就是1，且默认情况下，一个线程对应一个task任务(task可以理解为spout/bolt实例)
其中，每一个worker默认起一个acker,也就是说每一个worker默认起一个线程来执行acker，而acker实际上就是一个特殊的bolt,所以在计算整个集群线程数的时候，需要加上acker
七、流分组
流分组定义了上层tuple如何路由到下一层tuple，storm里面默认有以下几种。注意，首先下层必须有多个线程，不然一个线程定义流分组没有意义。
1、shuffleGrouping : 轮询
2、filedGrouping：按照上一层的输出属性，相同属性的会被路由到同一个线程处理
3、allGrouping:广播分组，对于每一个tuple,所有的Bolt都会收到
4、globalGrouping：全局分组,只会到bolt里面其中task-id最小的那一个
5、noGrouping：不分组，随机
6、DirectGrouping:直接分组上一层可以直接指定想把该消息路由到下一层的哪个bolt
7、自定义分组
8、localorshuffleGrouping:如果上层bolt和下层bolt运行在同一个进程里面，优先在进程内通信，使用Disruptor有界队列
八、storm的可靠性测试
8.1: 消息的ack
当一个spout数据源发射了消息后,一个tuple经过了所有的Bolt处理之后，这个tuple才被认为是处理完了，而acker就是一个用来追踪这些消息的组件,
acker内部类似于一个map，维护了消息id和顶层spoutid直接的关系
1、如果task挂了，一个tuple没有被ack,那么会在超时之后(30s)spout负责重发
2、如果acker挂了，那么由这个tuple追踪的所有的tuple都会超时，也会被重发
3、那么spout挂了，第三方消息源负责重发
8.2 如何实现可靠的spout
storm的bolt和spout有很多接口和抽象类，我们可以实现ISpout接口，首先需要注意的是spout里面，nextTuple,ack,fail是运行在同一个线程里面，所有不要在nextTuple里面执行一些比较耗时的处理，默认30s超时，如果acker-30s还没有收到那么就会超时重发，且nextTuple不能阻塞，如果没有消息发射，他会sleep一下，释放cpu,而如果我们想实现可靠的spout,需要自己维护msgId和消息直接的对应关系，可以放在map,redis里面，并且自己实现fail函数进行消息重发。
8.3 如何实现可靠的bolt
storm提供两种不同类型的 Bolt，分别是 BaseRichBolt 和 BaseBasicBolt都可以实现消息的可靠性处理，其中BaseBasicBolt，storm已经帮我们内部自己实现了消息的可靠处理，BasicOutputCollector在emit数据的时候，会自动和输入的tuple相关联，而在execute方法结束的时候那个输入tuple会被自动ack 。
而BaseRichBolt则需要我们自己维护msgid和tuple之间的关系并手动实现ack或者fail
下面来分析一下BaseBasicBolt是怎么实现了，当我们调用emit的时候，由于没有streamId和tuple之间的对应关系，storm会给我们自己生成一个默认的流id,最后会起一个BasicBoltExecutor,这里面的excetue方法自己给我们实现了ack和失败后的fail。
8.4 针对storm提交的3种消息保证语义，在ack的基础上来看一下如何实现
8.4.1、如何实现最多一次(下面几个条件只要有一个满足，都只能实现最多一次语义)
1)将ack的个数设置为0
2)Spout不实现可靠的消息处理
不带msgId或者不实现fail函数
3)bolt不把处理的消息发送给acker
8.4.2 如何实现至少一次
1)开启ack机制，即ack数目大于0(默认每个worker一个ack)
2)Spout 实现可靠性传输保证
Spout 发送消息时附带 message 的 ID
如果收到 Acker 的处理失败反馈，需要进行消息重传，即实现 fail 函数
3)Bolt 在处理成功或失败后需要调用相应的方法通知 Acker
8.4.3 实现仅仅一次
storm原生api不能做到，要实现仅仅一次，需要存储tuple的状态，用来防止重复发送的数据被重复处理，在 Storm 中使用 Trident API 实现
九、思考？
1、storm消息重发，重发的消息从哪来?重复的消息怎么处理?
storm需要维护msgId和具体tuple之间的关系
2、如果一个bolt总是处理失败导致spout重发，维护的数据越来越多，最后OOM，怎么办？
storm在以前的版本里面可以设置max.pending数(前提条件是必须开启ack)，即如果spout组件发现还有这么多消息没有给他ack,当达到这个阀值的时候，就不会在接着发tuple给bolt
PS:这种设置方法个人感觉值得商榷，首先这个值应该设置多少，设置小了，那么整个集群的吞吐量上不去，设置大了很有可能导致内存溢出。
十、事物
storm事物在0.7版本后封装到trident中，虽然原生的事物api已经废弃，但是对于我们理解高级部分trident还是非常有帮助的。事物在storm里面主要分为2个节点，事物的处理阶段和提交阶段，事物的处理阶段是可以并行处理的，但是是提交阶段必须按照事物id依次排队处理。
storm里面事物主要分为3种，一种是普通的事物，一种是分区事物，一种是不透明事物(事物的更高级封装)
1、普通事物ITransactionSpout接口，事物处理阶段起多个线程，提交阶段起1个线程
Coordinator:初始化事物
Emitter:emitBatch接收初始化事物生成的事物元数据，发送出去
2、分区事物IPartitionTransactionSpout接口，主流的事物Spout
Coordinator:isReady和返回分区个数
Emitter: emitPartitionBatchNew 发送新分区的元数据
emitPartitionBatch 事物处理失败后重发
3、不透明事物IOpaqueTransactionSpout,容错性最好的事物Spout
它不区分每一批是不是发送的tuple是一样的，因为即使某个分区不可用，它还会继续发送可用的分区，等其他不可用的分区可用后，这些分区里面的数据被放到下一个事物batch里面执
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/14347.html
