今天,我继续学习了Storm。先是复习了之前学过的内容,然后学习了Pv-案例、Uv-案例、整合kafka案例。
总结一下:
1.实时计算网站PV案例
1)需求
统计网站pv。
PV(page views):count(session_id)即页面浏览量。
2)需求分析
方案一
定义static long pv,Synchronized控制累计操作。(不可行)
原因:Synchronized和Lock在单JVM下有效,但在多JVM下无效。
方案二
shuffleGrouping下,pv * Executer并发数。
优点:简单、计算量小。
缺点:稍有误差,但绝大多数场景能接受。
方案三
PVBolt1进行多并发局部汇总,PVSumbolt单线程进行全局汇总。
线程安全:多线程处理的结果和单线程一致
优点:绝对准确;如果用filedGrouping可以得到中间值,如单个user的访问PV(访问深度等)。
缺点:计算量稍大,且多一个Bolt。
2.实时计算网站UV去重案例
1)需求
统计网站UV。
2)需求分析
方案一
把ip放入Set实现自动去重,Set.size()获得UV(分布式应用中不可行)。
方案二
UVBolt1通过fieldGrouping进行多线程局部汇总,下一级UVSumBolt进行单线程全局汇总去重。按ip地址统计UV数。
既然去重,必须持久化数据:
(1)内存:数据结构map。
(2)no-sql分布式数据库,如Hbase。
3.离线计算是什么?
离线计算:批量获取数据、批量传输数据、周期性批量计算数据、数据展示。
代表技术:Sqoop批量导入数据、HDFS批量存储数据、MapReduce批量计算数据、Hive批量计算数据。
4.流式计算是什么?
流式计算:数据实时产生、数据实时传输、数据实时计算、实时展示。
代表技术:Flume实时获取数据、Kafka实时数据存储、Storm/JStorm实时数据计算、Redis实时结果缓存、持久化存储(mysql)。
离线计算与实时计算最大的区别:实时收集、实时计算、实时展示。
“相关推荐”对你有帮助么?
-
非常没帮助
-
没帮助
-
一般
-
有帮助
-
非常有帮助
提交