storm基础详解

Storm基础详解

一、storm是什么

Storm是一个分布式的、可靠的、高容错的实时流式数据处理系统。

二、storm的特性

简单的编程模型。类似于MapReduce降低了并行批处理复杂性，Storm降低了进行实时处理的复杂性，可以使用各种编程语言，容错性，水平扩展，可靠的消息处理等。

三、storm的应用场景

Storm主要的应用场景就是流式数据处理，例如实时推荐系统，实时监控系统等。

四、storm中的相关概念

在storm中，分布式的计算结构指的是一个topology(拓扑)，一个topology由流式数据，spouts(流生产者)，以及bolts(具体操作者)组成。Storm的topologies和其他的批处理任务系统很类似，例如Hadoop，这类批处理任务都定义了清晰的开始和结束点，然而storm的topologies是永不停息的在运行的，除非杀死或者反部署这个topologies。

Topology：storm都是以topology为单位运行的，topology就相当于网络中的拓扑图一样。

Tuple:tuple是storm结构中的核心数据，一个tuple可以简单的理解为一系列的的键值对(key-value pairs)，是storm结构中最小的数据单元。如果你对CEP(complex event processing)熟悉的话，你可以认为tuples就是事件集。

Streams：streams是由无限的tuples组成。

Spouts：spouts代表一个storm topology的数据入口，spouts扮演者适配器的作用，连接着一个个的数据源，并将数据转换成tuples，同时以数据流的方式发送tuples。数据源的来源有如下几种：1、网络或者是移动应用；2、推特或者是微博等社交网络；3、传感器输出；4、应用日志事件。典型的spouts不会实现任何的特定业务逻辑，所以spouts可以经常被重复交叉的被多个topologies使用

Bolts：bolts可以想象成计算的操作者或者是一个函数，他们可以接收任意的数据流或者被处理过的数据，而且还可以随意的发送一个或多个tuples，bolts可以订阅spouts或者是其他bolts发送过来的数据流，bolts可以创造一个复杂的数据传输网络。bolts的典型作用如下：1、过滤tuples；2、连接或者是聚合；3、计算

一个简单的topology如下图所示：

五、入门示例

下面我们来看一个简单的入门示例，该示例被誉为storm界的hello world，先来看下topology图：

该图中的各个组件的作用如下：

Sentence Spout：是整个topology的数据源，会接收源源不断的英语句子，例如：my name is chhliu！

Split Sentence Bolt：用来将英语句子拆分为一个个单词，例如my，name，is，chhliu。

Word Count Bolt：用来计算每个单词出现的数量和。

Report Bolt：用来展示最后的统计结果。

虽然上面的topology图看上去比较简单，但是如果分布式部署的话，就可以扩展到无穷大，如下图所示：

下面我们用代码实现上面的这个拓扑图功能。

1、新建一个mave