相关概念
1、Topologies
一个topology是spouts和bolts组成的图, 通过stream groupings将图中的spouts和bolts连接起来。
2、Streams
消息流stream是storm里的关键抽象。一个消息流是一个没有边界的tuple序列, 而这些tuple序列会以一种分布式的方式并行地创建和处理。通过对stream中tuple序列中每个字段命名来定义stream。在默认的情况下,tuple的字段类型可以是:integer,long,short, byte,string,double,float,boolean和byte array。你也可以自定义类型(只要实现相应的序列化器)。
每个消息流在定义的时候会被分配给一个id,因为单向消息流使用的相当普遍, OutputFieldsDeclarer定义了一些方法让你可以定义一个stream而不用指定这个id。在这种情况下这个stream会分配个值为‘default’默认的id 。
Storm提供的最基本的处理stream的原语是spout和bolt。你可以实现spout和bolt提供的接口来处理你的业务逻辑。
3、Spouts
消息源spout是Storm里面一个topology里面的消息生产者。一般来说消息源会从一个外部源读取数据并且向topology里面发出消息:tuple。Spout可以是可靠的也可以是不可靠的。如果这个tuple没有被storm成功处理,可靠的消息源spouts可以重新发射一个tuple, 但是不可靠的消息源spouts一旦发出一个tuple就不能重发了。
消息源可以发射多条消息流stream。使用OutputFieldsDeclarer.declareStream来定义多个stream,然后使用SpoutOutputCollector来发射指定的stream。
Spout类里面最重要的方法是nextTuple。要么发射一个新的tuple到topology里面或者简单的返回如果已经没有新的tuple。要注意的是nextTuple方法不能阻塞,因为storm在同一个线程上面调用所有消息源spout的方法。
另外两个比较重要的spout方法是ack和fail。storm在检测到一个tuple被整个topology成功处理的时候调用ack,否则调用fail。storm只对可靠的spout调用ack和fail。
4.Bolts
所有的消息处理逻辑被封装在bolts里面。Bolts可以做很多事情:过滤,聚合,查询数据库等等。
Bolts可以简单的做消息流的传递。复杂的消息流处理往往需要很多步骤,从而也就需要经过很多bolts。比如算出一堆图片里面被转发最多的图片就至少需要两步:第一步算出每个图片的转发数量。第二步找出转发最多的前10个图片。(如果要把这个过程做得更具有扩展性那么可能需要更多的步骤)。
Bolts可以发射多条消息流, 使用OutputFieldsDeclarer.declareStream定义stream,使用OutputCollector.emit来选择要发射的stream。
Bolts的主要方法是execute, 它以一个tuple作为输入,bolts使用OutputCollector来发射tuple,bolts必须要为它处理的每一个tuple调用OutputCollector的ack方法,以通知Storm这个tuple被处理完成了,从而通知这个tuple的发射者spouts。 一般的流程是: bolts处理一个输入tuple, 发射0个或者多个tuple, 然后调用ack通知storm自己已经处理过这个tuple了。storm提供了一个IBasicBolt会自动调用ack。
5、Stream groupings
定义一个topology的其中一步是定义每个bolt接收什么样的流作为输入。stream grouping就是用来定义一个stream应该如果分配数据给bolts上面的多个tasks。
Storm里面有7种类型的stream grouping
- Shuffle Grouping: 随机分组, 随机派发stream里面的tuple,保证每个bolt接收到的tuple数目大致相同。
- Fields Grouping:按字段分组, 比如按userid来分组, 具有同样userid的tuple会被分到相同的Bolts里的一个task, 而不同的userid则会被分配到不同的bolts里的task。
- All Grouping:广播发送,对于每一个tuple,所有的bolts都会收到。
- Global Grouping:全局分组, 这个tuple被分配到storm中的一个bolt的其中一个task。再具体一点就是分配给id值最低的那个task。
- Non Grouping:不分组,这个分组的意思是说stream不关心到底谁会收到它的tuple。目前这种分组和Shuffle grouping是一样的效果, 有一点不同的是storm会把这个bolt放到这个bolt的订阅者同一个线程里面去执行。
- Direct Grouping: 直接分组, 这是一种比较特别的分组方法,用这种分组意味着消息的发送者指定由消息接收者的哪个task处理这个消息。 只有被声明为Direct Stream的消息流可以声明这种分组方法。而且这种消息tuple必须使用emitDirect方法来发射。消息处理者可以通过TopologyContext来获取处理它的消息的task的id (OutputCollector.emit方法也会返回task的id)。
- Local or shuffle grouping:如果目标bolt有一个或者多个task在同一个工作进程中,tuple将会被随机发生给这些tasks。否则,和普通的Shuffle Grouping行为一致。
下面建立项目需要的topology
public class AreaAmtTopo {
public static void main(String[] args) {
TopologyBuilder builder = new TopologyBuilder();
builder.setSpout("spout", new OrderBaseSpout(KafkaProperties.Order_topic), 5);
builder.setBolt("filter", new AreaFilterBolt() , 5).shuffleGrouping("spout") ;
builder.setBolt("areabolt", new AreaAmtBolt() , 2).fieldsGrouping("filter", new Fields("area_id")) ;
builder.setBolt("rsltBolt", new AreaRsltBolt(), 1).shuffleGrouping("areabolt");
Config conf = new Config() ;
conf.setDebug(false);
if (args.length > 0) {
try { StormSubmitter.submitTopology(args[0], conf, builder.createTopology());
} catch (AlreadyAliveException e) {
e.printStackTrace();
} catch (InvalidTopologyException e) {
e.printStackTrace();
}
}else {
LocalCluster localCluster = new LocalCluster(); localCluster.submitTopology("mytopology", conf, builder.createTopology());
}
}
}
下面来看看spout,连接Kafka的topic,把数据发送到bolt
public class OrderBaseSpout implements IRichSpout {
String topic = null;
public OrderBaseSpout(String topic)
{
this.topic = topic ;
}
private static final long serialVersionUID = 1L;
Integer TaskId = null;
SpoutOutputCollector collector = null;
Queue<String> queue = new ConcurrentLinkedQueue<String>() ;
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
// TODO Auto-generated method stub
declarer.declare(new Fields("order")) ;
}
@Override
public void nextTuple() {
if (queue.size() > 0) {
String str = queue.poll() ;
collector.emit(new Values(str)) ;
}
}
@Override
public void open(Map conf, TopologyContext context,
SpoutOutputCollector collector) {
// TODO Auto-generated method stub
this.collector = collector ;
TaskId = context.getThisTaskId() ;
OrderConsumer consumer = new OrderConsumer(topic) ;
consumer.start() ;
queue = consumer.getQueue() ;
}
第一个bolt “AreaFilterBolt”,实现Map功能
public class AreaFilterBolt implements IBasicBolt {
@Override
public void execute(Tuple input, BasicOutputCollector collector) {
// order_id,order_amt,create_time,area_id
String order = input.getString(0) ;
if (order != null) {
String orderArr[] = order.split("\\t") ;
collector.emit(new Values(orderArr[3],orderArr[1],DateFmt.getCountDate(orderArr[2], DateFmt.date_short))) ;// ared_id,order_amt,create_time
}
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields("area_id","order_amt","order_date")) ;
}
}
第二个bolt “AreaAmtBolt”,在内存里保存各区域的sum值,隔天要清零,重新计算.
public class AreaAmtBolt implements IBasicBolt {
String today = null;
HBaseDAO dao = null;
Map <String,Double> countsMap = null ;
@Override
public void cleanup() {
// TODO Auto-generated method stub
countsMap.clear() ;
}
@Override
public void execute(Tuple input, BasicOutputCollector collector) {
// area_id,count
if (input != null) {
String area_id = input.getString(0) ;
double order_amt = 0.0;
try {
order_amt = Double.parseDouble(input.getString(1)) ;
} catch (Exception e) {
System.out.println(input.getString(1)+":---------------------------------");
e.printStackTrace() ;
}
String order_date = input.getStringByField("order_date") ;
if (! order_date.equals(today)) {
//跨天处理
countsMap.clear() ;
}
Double count = countsMap.get(order_date+"_"+area_id) ;
if (count == null) {
count = 0.0 ;
}
count += order_amt ;
countsMap.put(order_date+"_"+area_id, count) ;
System.err.println("areaAmtBolt:"+order_date+"_"+area_id+"="+count);
collector.emit(new Values(order_date+"_"+area_id,count)) ;
}
}
@Override
public void prepare(Map stormConf, TopologyContext context) {
// TODO Auto-generated method stub
dao = new HBaseDAOImp() ;
//根据HBase里初始值进行初始化 countsMap
today = DateFmt.getCountDate(null, DateFmt.date_short);
countsMap = this.initMap(today, dao);
for(String key:countsMap.keySet())
{
System.err.println("key:"+key+"; value:"+countsMap.get(key));
}
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields("date_area","amt")) ;
}
public Map<String, Double> initMap(String rowKeyDate, HBaseDAO dao)
{
Map <String,Double> countsMap = new HashMap<String, Double>() ;
List<Result> list = dao.getRows("area_order", rowKeyDate, new String[]{"order_amt"});
for(Result rsResult : list)
{
String rowKey = new String(rsResult.getRow());
for(KeyValue keyValue : rsResult.raw())
{
if("order_amt".equals(new String(keyValue.getQualifier())))
{
countsMap.put(rowKey, Double.parseDouble(new String(keyValue.getValue()))) ;
break;
}
}
}
return countsMap;
}
}
第三个bolt “AreaRsltBolt“,每隔5秒保存数据到HBase
public class AreaRsltBolt implements IBasicBolt {
/**
*
*/
private static final long serialVersionUID = 1L;
Map <String,Double> countsMap = null ;
@Override
public void cleanup() {
// TODO Auto-generated method stub
}
HBaseDAO dao = null;
long beginTime = System.currentTimeMillis() ;
long endTime = 0L ;
@Override
public void execute(Tuple input, BasicOutputCollector collector) {
// TODO Auto-generated method stub
String date_areaid = input.getString(0) ;
double order_amt = input.getDouble(1) ;
countsMap.put(date_areaid, order_amt) ;
endTime = System.currentTimeMillis() ;
if (endTime - beginTime >= 5 * 1000) {
for(String key : countsMap.keySet())
{
// put into hbase
// 2014-05-05_1,amt
dao.insert("area_order", key, "cf", "order_amt", countsMap.get(key)+"") ;
System.err.println("rsltBolt put hbase: key="+key+"; order_amt="+countsMap.get(key));
}
beginTime = System.currentTimeMillis() ;
}
}
@Override
public void prepare(Map stormConf, TopologyContext context) {
// TODO Auto-generated method stub
dao = new HBaseDAOImp() ;
countsMap = new HashMap<String, Double>() ;
}
}