第一章:Storm概述
1.Storm是一个分布式流式计算的结构,目前阿里巴巴(淘宝)的大数据主要采用了这种技术,以Strom为基础,封装、改进抽象出来一款自己的分布式计算模式。Storm有很多应用场景,如实时分析、在线机器学习、持续计算、分布式RPC、ETL等等。
2.Strom分布式计算结构称为topology(拓扑),由stream(数据流),spout(数据流的生成者),和bolt(运算)组成。如果你学过hadoop的话,topo大致等同于hadoop中的Job。然而,对于topo来说,只要你没有取消部署和杀死进程,topo就会一直运行下去。
3.
- stream的核心数据结构是tulpe。tuple是包含了一个或者多个键值对的列表。
- spout代表了一个Storm Topology的主要数据入口,充当采集器的角色,连接到数据源,将数据转化成一个一个的tuple,将tuple作为数据流进行发射。
- bolt是运算过程或者函数,将数据流作为输入,对数据实施某些运算或者操作,然后选择性地输出数据流。bolt可以订阅多个由spout或者其他bolt发射的数据流,这样就可以建立起数据流转换网络。
4.Storm有如下特性:
- 编程模型简单
- 可扩展
- 高可靠性
- 高容错性
- 支持多种编程语言
- 支持本地模式
- 高效
- 运维和部署简单
- 图形化监控
第二章:Storm初体验
1.Storm是apache下的项目,去Apache官网下载即可。Storm提供本地模式,允许用户将Topology提交到本地集群,所有的bolt、spout跑在一个进程内,能够很方便地对topo进行调试。
2.说一下Storm的本地集群:
Storm集群包含两类结点:主控节点(Master Node)和工作节点(Worker Node);
- (1)主控节点上运行着一个称为Nimbus的后台程序,它负责在storm集群上分发代码、分配任务并负责监控集群的运行状态;
- (2)每个工作节点上运行着一个称为Supervisor的后台程序。Supervisor负责监听Nimbus分配给它执行的任务。每一个工作进程执行一个Topology的子集,一个运行中的Topo由分布在不同工作节点上的多个工作进程组成。
3.Nimbus和Supervisor节点之间的所有协调工作是通过Zookeeper集群来实现的。如下图所示:
4.此外Nimbus和Supervisor都是快速失败和无状态的,