【流式计算】Twitter Storm: DRPC简介

13 篇文章 0 订阅
13 篇文章 0 订阅
作者: xumingming | 可以转载, 但必须以超链接形式标明文章原始出处和作者信息及版权声明
网址: http://xumingming.sinaapp.com/756/twitter-storm-drpc/

 

本文翻译自:https://github.com/nathanmarz/storm/wiki/Distributed-RPC

Storm里面引入DRPC主要是利用storm的实时计算能力来并行化CPU intensive的计算。DRPC的storm topology以函数的参数流作为输入,而把这些函数调用的返回值作为topology的输出流。

DRPC其实不能算是storm本身的一个特性, 它是通过组合storm的原语spout,bolt, topology而成的一种模式(pattern)。本来应该把DRPC单独打成一个包的, 但是DRPC实在是太有用了,所以我们我们把它和storm捆绑在一起。

概览

Distributed RPC是由一个”DPRC Server”协调的(storm自带了一个实现)。DRPC服务器协调1) 接收一个RPC请求。2) 发送请求到storm topology 3) 从storm topology接收结果。4) 把结果发回给等待的客户端。从客户端的角度来看一个DRPC调用跟一个普通的RPC调用没有任何区别。比如下面是客户端如何调用RPC: reach方法的,方法的参数是: http://twitter.com。

1
2
3
DRPCClient client = new DRPCClient( "drpc-host" , 3772 );
String result = client.execute( "reach" ,
                            "http://twitter.com" );

DRPC的工作流大致是这样的:

客户端给DRPC服务器发送要执行的方法的名字,以及这个方法的参数。实现了这个函数的topology使用DRPCSpout从DRPC服务器接收函数调用流。每个函数调用被DRPC服务器标记了一个唯一的id。 这个topology然后计算结果,在topology的最后一个叫做ReturnResults的bolt会连接到DRPC服务器,并且把这个调用的结果发送给DRPC服务器(通过那个唯一的id标识)。DRPC服务器用那个唯一id来跟等待的客户端匹配上,唤醒这个客户端并且把结果发送给它。

LinearDRPCTopologyBuilder

Storm自带了一个称作LinearDRPCTopologyBuilder的topology builder, 它把实现DRPC的几乎所有步骤都自动化了。这些步骤包括:

  • 设置spout
  • 把结果返回给DRPC服务器
  • 给bolt提供有限聚合几组tuples的能力

让我们看一个简单的例子。下面是一个把输入参数后面添加一个”!”的DRPC topology的实现:

01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
public static class ExclaimBolt implements IBasicBolt {
     public void prepare(Map conf, TopologyContext context) {
     }
 
     public void execute(Tuple tuple, BasicOutputCollector collector) {
         String input = tuple.getString( 1 );
         collector.emit( new Values(tuple.getValue( 0 ), input + "!" ));
     }
 
     public void cleanup() {
     }
 
     public void declareOutputFields(OutputFieldsDeclarer declarer) {
         declarer.declare( new Fields( "id" , "result" ));
     }
 
}
 
public static void main(String[] args) throws Exception {
     LinearDRPCTopologyBuilder builder
         = new LinearDRPCTopologyBuilder( "exclamation" );
     builder.addBolt( new ExclaimBolt(), 3 );
     // ...
}

可以看出来, 我们需要做的事情非常的少。创建LinearDRPCTopologyBuilder的时候,你需要告诉它你要实现的DRPC函数的名字。一个DRPC服务器可以协调很多函数,函数与函数之间靠函数名字来区分。你声明的第一个bolt会接收两维tuple,tuple的第一个field是request-id,第二个field是这个请求的参数。LinearDRPCTopologyBuilder同时要求我们topology的最后一个bolt发射一个二维tuple: 第一个field是request-id, 第二个field是这个函数的结果。最后所有中间tuple的第一个field必须是request-id。

在这里例子里面ExclaimBolt 简单地在输入tuple的第二个field后面再添加一个”!”,其余的事情都由LinearDRPCTopologyBuilder帮我们搞定:链接到DRPC服务器,并且把结果发回。

本地模式DRPC

DRPC可以以本地模式运行。下面就是以本地模式运行上面例子的代码:

01
02
03
04
05
06
07
08
09
10
11
12
13
14
LocalDRPC drpc = new LocalDRPC();
LocalCluster cluster = new LocalCluster();
 
cluster.submitTopology(
     "drpc-demo" ,
     conf,
     builder.createLocalTopology(drpc)
);
 
System.out.println( "Results for 'hello':"
     + drpc.execute( "exclamation" , "hello" ));
 
cluster.shutdown();
drpc.shutdown();

首先你创建一个LocalDRPC对象。 这个对象在进程内模拟一个DRPC服务器,跟LocalClusterLinearTopologyBuilder有单独的方法来创建本地的topology和远程的topology。在本地模式里面LocalDRPC对象不和任何端口绑定,所以我们的topology对象需要知道和谁交互。这就是为什么createLocalTopology方法接受一个LocalDRPC对象作为输入的原因。

把topology启动了之后,你就可以通过调用LocalDRPC对象的execute来调用RPC方法了。

远程模式DRPC

在一个真是集群上面DRPC也是非常简单的,有三个步骤:

  • 启动DRPC服务器
  • 配置DRPC服务器的地址
  • 提交DRPC topology到storm集群里面去。

我们可以通过下面的storm脚本命令来启动DRPC服务器:

1
bin /storm drpc

接着, 你需要让你的storm集群知道你的DRPC服务器在哪里。DRPCSpout需要这个地址从而可以从DRPC服务器来接收函数调用。这个可以配置在storm.yaml或者通过代码的方式配置在topology里面。通过storm.yaml配置是这样的:

1
2
3
drpc.servers:
   - "drpc1.foo.com"
   - "drpc2.foo.com"

最后,你通过StormSubmitter对象来提交DRPC topology — 跟你提交其它topology没有区别。如果要以远程的方式运行上面的例子,用下面的代码:

1
2
3
4
5
StormSubmitter.submitTopology(
     "exclamation-drpc" ,
     conf,
     builder.createRemoteTopology()
);

我们用createRemoteTopology方法来创建运行在真实集群上的DRPC topology。

一个更复杂的例子

上面的DRPC例子只是为了介绍DRPC概念的一个简单的例子。下面让我们看一个复杂的、确实需要storm的并行计算能力的例子, 这个例子计算twitter上面一个url的reach值。

首先介绍一下什么是reach值,要计算一个URL的reach值,我们需要:

  • 获取所有微薄里面包含这个URL的人
  • 获取这些人的粉丝
  • 把这些粉丝去重
  • 获取这些去重之后的粉丝个数 — 这就是reach

一个简单的reach计算可能会有成千上万个数据库调用,并且可能设计到百万数量级的微薄用户。这个确实可以说是CPU intensive的计算了。你会看到的是,在storm上面来实现这个是非常非常的简单。在单台机器上面, 一个reach计算可能需要花费几分钟。而在一个storm集群里面,即时是最男的URL, 也只需要几秒。

一个reach topolgoy的例子可以在这里找到(storm-starter)。reach topology是这样定义的:

1
2
3
4
5
6
7
8
9
LinearDRPCTopologyBuilder builder
     = new LinearDRPCTopologyBuilder( "reach" );
builder.addBolt( new GetTweeters(), 3 );
builder.addBolt( new GetFollowers(), 12 )
         .shuffleGrouping();
builder.addBolt( new PartialUniquer(), 6 )
         .fieldsGrouping( new Fields( "id" , "follower" ));
builder.addBolt( new CountAggregator(), 2 )
         .fieldsGrouping( new Fields( "id" ));

这个topology分四步执行:

  • GetTweeters获取所发微薄里面包含制定URL的所有用户。它接收输入流: [id, url], 它输出:[id, tweeter]. 没一个URL tuple会对应到很多tweetertuple。
  • GetFollowers 获取这些tweeter的粉丝。它接收输入流: [id, tweeter], 它输出: [id, follower]
  • PartialUniquer 通过粉丝的id来group粉丝。这使得相同的分析会被引导到统一个task。因此不同的task接收到的粉丝是不同的 — 从而起到去重的作用。它的输出流:[id, count] 即输出这个task上统计的粉丝个数。
  • 最后,CountAggregator 接收到所有的局部数量, 把它们加起来就算出了我们要的reach值。

我们来看一下PartialUniquer的实现:

01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
public static class PartialUniquer
         implements IRichBolt, FinishedCallback {
 
     OutputCollector _collector;
     Map<Object, Set<String>> _sets
                 = new HashMap<Object, Set<String>>();
 
     public void prepare(Map conf,
                         TopologyContext context,
                         OutputCollector collector) {
         _collector = collector;
     }
 
     public void execute(Tuple tuple) {
         Object id = tuple.getValue( 0 );
         Set<String> curr = _sets.get(id);
         if (curr== null ) {
             curr = new HashSet<String>();
             _sets.put(id, curr);
         }
         curr.add(tuple.getString( 1 ));
         _collector.ack(tuple);
     }
 
     public void cleanup() {
     }
 
     public void finishedId(Object id) {
         Set<String> curr = _sets.remove(id);
         int count;
         if (curr!= null ) {
             count = curr.size();
         } else {
             count = 0 ;
         }
         _collector.emit( new Values(id, count));
     }
 
     public void declareOutputFields(OutputFieldsDeclarer declarer) {
         declarer.declare( new Fields( "id" , "partial-count" ));
     }
}

PartialUniquerexecute方法里面接收到一个粉丝tuple的时候, 它把这个tuple添加到当前request-id对应的Set里面去。

PartialUniquer同时也实现了FinishedCallback接口, 实现这个接口是告诉 LinearDRPCTopologyBuilder 它想在接收到某个request-id的所有tuple之后得到通知,回调函数则是,code>finishedId方法。在这个回调函数里面PartialUniquer发射当前这个request-id在这个task上的粉丝数量。

在这个简单接口的背后,我们是使用CoordinatedBolt来检测什么时候一个bolt接收到某个request的所有的tuple的。CoordinatedBolt是利用direct stream来实现这种协调的。

这个topology的其余部分就非常的明了了。我们可以看到的是reach计算的每个步骤都是并行计算出来的,而且实现这个DRPC的topology是那么的简单。

非线性DRPC Topology

LinearDRPCTopologyBuilder只能搞定"线性"的DRPC topology。所谓的线性就是说你的计算过程是一步接着一步, 串联。我们不难想象还有其它的可能 -- 并联(回想一下初中物理里面学的并联电路吧), 现在你如果想解决这种这种并联的case的话, 那么你需要自己去使用CoordinatedBolt来处理所有的事情了。如果真的有这种use case的话, 在mailing list上大家讨论一下吧。

LinearDRPCTopologyBuilder的工作原理

  • DRPCSpout发射tuple: [args, return-info]return-info包含DRPC服务器的主机地址,端口以及当前请求的request-id
  • DRPC Topology包含以下元素:
    • DRPCSpout
    • PrepareRequest(生成request-id, return info以及args)
    • CoordinatedBolt
    • JoinResult -- 组合结果和return info
    • ReturnResult -- 连接到DRPC服务器并且返回结果
  • LinearDRPCTopologyBuilder是利用storm的原语来构建高层抽象的很好的例子。

高级特性

  • 如何利用KeyedFairBolt来同时处理多个请求
  • 如何直接使用CoordinatedBolt

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值