Storm流数据框架------学习笔记

最新推荐文章于 2024-07-30 10:12:14 发布

PeixinYe

最新推荐文章于 2024-07-30 10:12:14 发布

阅读量1.2k

点赞数

分类专栏： Hadoop 文章标签： Storm

本文链接：https://blog.csdn.net/PeixinYe/article/details/79672342

版权

Hadoop 专栏收录该内容

47 篇文章 2 订阅

订阅专栏

Storm是一个用于实时分析、在线机器学习等领域的流处理框架。它具有整合性、简易API、可扩展性和可靠的消息处理等特性。Storm组件包括Streams、Spouts、Bolts和Topology，其中Spout作为数据源，Bolt执行处理逻辑，Topology定义组件间的流转换，Stream Groupings决定数据传输方式。Storm使用Zookeeper进行分布式协调，确保高可用性。

摘要由CSDN通过智能技术生成

storm：

Storm可用于许多领域中，如实时分析、在线机器学习、持续计算、远程RPC、数据提取加载转换等
Storm具有以下主要特点：
整合性
简易的API
可扩展性
可靠的消息处理
支持各种编程语言
快速部署

免费、开源

storm主要包括：Streams、Spouts、Bolts、Topology和Stream Groupings；

stream：Storm将流数据Stream描述成一个无限的Tuple序列，这些Tuple序列会以分布式的方式并行地创建和处理；

每个tuple是一堆值，每个值有一个名字，并且每个值可以是任何类型

Tuple本来应该是一个Key-Value的Map，由于各个组件间传递的tuple的字段名称已经事先定义好了，所以Tuple只需要按序填入各个Value，所以就是一个Value List（值列表）

Spout：Storm认为每个Stream都有一个源头，并把这个源头抽象为Spout；

通常Spout会从外部数据源（队列、数据库等）读取数据，然后封装成Tuple形式，发送到Stream中。Spout是一个主动的角色，在接口内部有个nextTuple函数，Storm框架会不停的调用该函数

Bolt：Storm将Streams的状态转换过程抽象为Bolt。Bolt即可以处理Tuple，也可以将处理后的Tuple作为新的Streams发送给其他Bolt；
Bolt可以执行过滤、函数操作、Join、操作数据库等任何操作

Bolt是一个被动的角色，其接口中有一个execute(Tuple input)方法，在接收到消息之后会调用此函数，用户可以在此方法中执行自己的处理逻辑；

Topology：Storm将Spouts和Bolts组成的网络抽象成Topology，它可以被提交到Storm集群执行。

Topology可视为流转换图，图中节点是一个Spout或Bolt，边则表示Bolt订阅了哪个Stream。当Spout或者Bolt发送元组时，它会把元组发送到每个订阅了该Stream的Bolt上进行处理；

Topology里面的每一个组件都是并行运行的；

在Topology里面可以指定每个组件的并行度， Storm会在集群里面分配那么多的线程来同时计算

在Topology的具体实现上，Storm中的Topology定义仅仅是一些Thrift结构体（二进制高性能的通信中间件），支持各种编程语言进行定义

Stream Groupings：Storm中的Stream Groupings用于告知Topology如何在两个组件间（如Spout和Bolt之间，或者不同的Bolt之间）进行Tuple的传送。每一个Spout和Bolt都可以有多个分布式任务，一个任务在什么时候、以什么方式发送Tuple就是由Stream Groupings来决定的

(1)ShuffleGrouping：随机分组，随机分发Stream中的Tuple，保证每个Bolt的Task接收Tuple数量大致一致
(2)FieldsGrouping：按照字段分组，保证相同字段的Tuple分配到同一个Task中
(3)AllGrouping：广播发送，每一个Task都会收到所有的Tuple
(4)GlobalGrouping：全局分组，所有的Tuple都发送到同一个Task中
(5)NonGrouping：不分组，和ShuffleGrouping类似，当前Task的执行会和它的被订阅者在同一个线程中执行
(6)DirectGrouping：直接分组，直接指定由某个Task来执行Tuple的处理

节点方式：

Numbus/Supervisor；类似于Master/Slave；

storm用Zookeeper来作为分布式协调组件，负责Nimbus和多个Supervisor之间的所有协调工作。借助于Zookeeper，若Nimbus进程或Supervisor进程意外终止，重启时也能读取、恢复之前的状态并继续工作，使得Storm极其稳定；

Worker进程：

(1)Worker进程:每个worker进程都属于一个特定的Topology，每个Supervisor节点的worker可以有多个，每个worker对Topology中的每个组件（Spout或 Bolt）运行一个或者多个executor线程来提供task的运行服务
(2)Executor：executor是产生于worker进程内部的线程，会执行同一个组件的一个或者多个task。

(3)Task:实际的数据处理由task完成

工作流程：

所有Topology任务的提交必须在Storm客户端节点上进行，提交后，由Nimbus节点分配给其他Supervisor节点进行处理

Nimbus节点首先将提交的Topology进行分片，分成一个个Task，分配给相应的Supervisor，并将Task和Supervisor相关的信息提交到Zookeeper集群上

Supervisor会去Zookeeper集群上认领自己的Task，通知自己的Worker进程进行Task的处理