Storm

Storm

• flume实时采集，低延迟
• kafka消息队列，低延迟
• storm实时计算，低延迟
• Redis实时存储，低延迟

storm用来实时处理数据，特点：低延迟、高可用、分布式、可扩展、数据不丢失。

storm与Hadoop区别？

• storm用于实时计算，hadoop用于离线计算
• storm处理的数据保存在内存中，源源不断；hadoop处理的数据保存在文件系统中，一批一批
• storm的数据通过网络传输进来的；hadoop的数据保存在磁盘中；
• storm与hadoop的编程模型相似：

  	storm	hadoop
  角色	Nimbus	JobTracker
  	Supervisor	TaskTracker
  	Worker	Child
  应用名称	Topology	Job
  编程接口	Spout/Bolt	Mapper/Reducer

   

 运用场景：

• 日志分析：从海量日志中分析出特定的数据，并将分析的结果存入外部存储器用来辅佐决策；
• 管道系统：将一个数据从一个系统传出到另一个系统，比如讲数据库同步到hadoop；
• 消息转化器：将接受到的消息按照某种格式进行转化，存储到另一个系统如消息中间件。

典型案例：

• 淘宝实时分析系统：实时分析用户的属性，并反馈给搜索引擎，最初，用户属性分析是通过每天在云梯上定时运行的MR job来完成的。为了满足实时性的要求，希望能够实时分析用户的行为日志，将最初的用户属性反馈给搜索引擎，能够为用户展示最贴近其当前需求的结果
• 携程网站性能监控：实时分析系统监控携程的网站的性能，利用HTML5提供的performance标准获得可用的指标，并记录日志。storm集群实时分析日志和入库。使用DRPC聚合成报表，通过历史数据对比等判断规则，触发预警事件。
• 阿里妈妈用户画像：实时计算用户的兴趣数据，为了更加精准投放广告，阿里妈妈后台计算引擎需要维护每个用户的兴趣点（理想状态是，你对什么感兴趣，就向你投放呢类广告）。用于兴趣主要基于用户的历史行为、用户的实时查询、用户的实时点击、用户的地理信息而得，其中实时查询、实时点击等用户行为都是实时数据。考虑到系统的实时性。阿里妈妈使用storm维护用户兴趣数据，并在此基础上进行受众定向的广告投放。

Storm核心组件

• Nimbus:负责资源分配和任务调度；
• Supervisor：负责接受nimbus分配的任务，启动和停止属于自己管理的worker进程。通过配置文件设置当前supervisor上启动多少个worker
• worker：运行具体处理组件逻辑的进程。worker运行的任务类型只有两种，一种是spout任务，一种是Bolt任务。
• Task：worker中每一个spout/blot的线程称为一个task。在storm0.8之后，task不在于物理线程对应，不同spout/bolt的task可能会共享一个物理线程，该线程称为executor

Storm编程模型

• Topology:Storm中运行的一个事实应用程序的名称；
• Spout：在一个topology中获取元数据流的组件；通常情况下spout会从外部数据源中读取数据，然后转换为topology内部的源数据；
• Bolt：接受数据然后执行处理的组件，用户可以在其中执行自己想要的操作；
• Tuple：一次消息传递的基本单元，理解为一组消息就是一个tuple；
• stream：表示数据的流向。

流式计算一般架构图

• flume用来获取数据；
• kafka用来临时保存数据；
• storm用来计算数据；
• Redis是个内存数据库，用来保存数据。