调度Scheduler
Storm现在有4种内置调度程序:DefaultScheduler,IsolationScheduler,MultitenantScheduler,ResourceAwareScheduler。
Configuration
Storm有各种配置可用于调整nimbus, supervisors和running topologies的行为。 某些配置是系统配置,无法通过拓扑基础在拓扑上进行修改,而其他配置可以按拓扑进行修改。
守护进程容错
Storm有几个不同的守护进程。 Nimbus安排workers,Supervisors启动和杀死workers,log viewer提供日志访问权限,UI显示群集状态。
-
workers死后会发生什么?
当workers死亡时,Supervisors将重新启动它。如果它在启动时连续失败并且无法接受Nimbus的心跳,Nimbus将重新安排workers。
-
节点死亡时会发生什么?
分配给该计算机的任务将超时,Nimbus会将这些任务重新分配给其他计算机。
-
当Nimbus或Supervisor守护进程死亡时会发生什么?
Nimbus和Supervisor守护进程设计为快速失败(遇到任何意外情况时进程自毁)和无状态(所有状态保存在Zookeeper或磁盘上)。如 Setting up a Storm cluster,Nimbus和Supervisor守护程序在如daemontools或monit之类的工具监督下运行。因此,如果Nimbus或Supervisor守护进程死亡,它们会重新启动,就像什么都没发生一样。
最值得注意的是,Nimbus或Supervisor的死亡不会影响workers进程。
-
Nimbus是单点故障吗?
如果丢失了Nimbus节点,workers仍将继续运行。此外,如果workers死亡,Supervisor将继续重新启动workers。但是,如果没有Nimbus,workers将不会在必要时重新分配给其他计算机(例如,如果您丢失了工作机器)。
Storm Nimbus自1.0.0以来一直很受欢迎。更多信息请参阅Nimbus HA Design文档。
-
Storm如何保证数据处理?
Storm提供了保证数据处理的机制,即使节点死亡或消息丢失也是如此。有关详细信息,请参阅保证消息处理。
Storm UI REST API
Storm UI守护程序提供REST API,允许您与Storm集群进行交互,其中包括检索度量数据和配置信息以及管理操作(如启动或停止拓扑)。
Understanding the parallelism of a Storm topology
运行拓扑的构成是:工作进程,执行程序和任务
What makes a running topology: worker processes, executors and tasks
Storm区分以下三个主要实体,这些实体用于在Storm集群中实际运行拓扑:
- 工人流程Worker processes
- 执行者(线程)Executors (threads)
- 任务Tasks
以下是他们关系的简单说明:
一个工作进程执行拓扑的一个子集。一个工作进程属于特定拓扑,并且可以为该拓扑的一个或多个组件(Spout或Bolt)运行一个或多个执行器。一个正在运行的拓扑包含许多在Storm集群中的许多计算机上运行的此类进程。
一个执行者executor是一个线程,它是由一个worker进程催生的。它可以为同一组件(Spout或Bolt)运行一个或多个任务。
一个任务 task 执行实际的数据处理-在代码中实现的每个spout或bolt都会在整个群集中执行尽可能多的任务。在拓扑的整个生命周期中,组件的任务数始终相同,但组件的执行程序(线程)数量可能会随时间而变化。这意味着以下条件成立:#threads ≤ #tasks。默认情况下,任务数设置为与执行程序数相同,即Storm中每个线程运行一个任务。
配置拓扑的并行性
请注意,在Storm的术语中,“并行性”专门用于描述所谓的并行性提示,这意味着组件的执行者(线程)的初始数量。在本文档中,虽然我们在更一般意义上使用术语“并行性”来描述如何不仅可以配置执行程序的数量,还可以配置工作进程的数量和Storm拓扑的任务数量。我们将特别提到当“平行主义”用于正常,狭隘的Storm定义时。
以下部分概述了各种配置选项以及如何在代码中设置它们。虽然设置这些选项的方法不止一种,但表中只列出了其中一些选项。Storm当前具有以下配置设置优先顺序:defaults.yaml< storm.yaml<拓扑特定配置<内部组件特定配置<外部组件特定配置。
工作进程数
- 描述:为群集中的计算机上的拓扑创建多少个工作进程。
- 配置选项:TOPOLOGY_WORKERS
- 如何设置代码:配置#setNumWorkers
执行者数(线程数)
- 描述:每个组件生成多少个执行程序。
- 配置选项:无(将parallelism_hint参数传递给setSpout或setBolt)
- 如何设置代码(示例):
TopologyBuilder#setSpout()
TopologyBuilder#setBolt()
请注意,从Storm 0.8开始,parallelism_hint参数现在指定该Bolt的执行者的初始数量(不是任务!)。
任务数量
-
描述:每个组件创建多少个任务。
-
配置选项:TOPOLOGY_TASKS
-
如何设置代码(示例):
-
以下是在实践中显示这些设置的示例代码段:
topologyBuilder.setBolt("green-bolt", new GreenBolt(), 2).setNumTasks(4).shuffleGrouping("blue-spout");
在上面的代码中,我们配置了Storm来运行GreenBolt,它初始带有两个执行器和四个相关任务 。Storm中每个执行程序(线程)运行两个任务。如果您没有明确配置任务数,Storm将默认每个执行程序一个任务。
运行拓扑的示例
下图显示了简单拓扑在操作中的外观。拓扑结构由三个部分组成:一个叫做spout BlueSpout,两个叫做GreenBolt和YellowBolt。组件被链接,以便BlueSpout将其输出发送到GreenBolt,然后将其自己的输出发送到YellowBolt。
在GreenBolt被配置为每代码段以上而BlueSpout和YellowBolt仅设置并行提示(执行人数)。这是相关代码:
Config conf = new Config();
conf.setNumWorkers(2); // use two worker processes
topologyBuilder.setSpout("blue-spout", new BlueSpout(), 2); // set parallelism hint to 2
topologyBuilder.setBolt("green-bolt", new GreenBolt(), 2)
.setNumTasks(4)
.shuffleGrouping("blue-spout");
topologyBuilder.setBolt("yellow-bolt", new YellowBolt(), 6)
.shuffleGrouping("green-bolt");
StormSubmitter.submitTopology(
"mytopology",
conf,
topologyBuilder.createTopology()
);
当然,Storm附带了额外的配置设置来控制拓扑的并行性,包括:
- TOPOLOGY_MAX_TASK_PARALLELISM:此设置为可以为单个组件生成的执行程序数量设置上限。它通常在测试期间用于限制在本地模式下运行拓扑时产生的线程数。您可以通过例如Config#setMaxTaskParallelism()设置此选项。
如何更改正在运行的拓扑的并行性
Storm的一个很好的功能是,您可以增加或减少工作进程和/或执行程序的数量,而无需重新启动集群或拓扑。这样做的行为称为再平衡。
您有两种方法可以重新平衡拓扑:
-
使用Storm Web UI重新平衡拓扑。
-
使用CLI工具风暴重新平衡,如下所述。
- 以下是使用CLI工具的示例:
Reconfigure the topology "mytopology" to use 5 worker processes,
the spout "blue-spout" to use 3 executors and
the bolt "yellow-bolt" to use 10 executors.```
Storm API文档,最值得注意的是类Config