storm源代码之tuple是如何发送的

这篇文章我们来看一下storm里面的tuple到底是如何从一个bolt到另一个bolt上去的

首先bolt在发射一个tuple的时候是调用OutputCollector的emit或者emitDirect方法，而这两个方法最终调用的是clojure代码里面的mk-transfer-fn方法：

； worker.clj
(defn mk-transfer-fn [transfer-queue]
  (fn [task ^Tuple tuple]
    (.put ^LinkedBlockingQueue
          transfer-queue [task tuple])
    ))

这个方法其实只是往一个LinkedBlockingQueue里面放入一条新纪录(task-id,tuple),然后这个queue里面的内容会被下面这段代码处理

; worker.clj
; 这里面的这个socket到底是什么东西?
(async-loop
    (fn [^ArrayList drainer
         ^KryoTupleSerializer serializer]
      ; 从transfer-queue里面取出一个任务来
      ; 这个任务其实就是(task, tuple)
      (let [felem (.take transfer-queue)]
        (.add drainer felem)
        (.drainTo transfer-queue drainer))
      (read-locked endpoint-socket-lock
        ; 获取从node+port到socket的映射
        (let [node+port->socket @node+port->socket
              ; 获取从task-id到node+port的映射
              task->node+port @task->node+port]
          (doseq [[task ^Tuple tuple] drainer]
            ; 获取task对应的socket
            (let [socket
                   (node+port->socket
                     (task->node+port task))
              ; 序列化这个tuple
              ser-tuple (.serialize serializer tuple)]
              ; 发送这个tuple
              (msg/send socket task ser-tuple)
              ))
          ))
）

从上面代码可见，tuple最终是被序列化之后由msg/send方法通过socket发送给指定的task的。注意上面代码里面的async-loop表示会创建一个单独的线程来执行这些代码。可以storm会起一个独立线程来专门发送待发送的消息。
我们来看下这个socket到底是个怎样的东西。这个socket是在worker.clj里面被初始化的，代码如下：

; socket（worker.clj)
(swap! node+port->socket
     merge
     (into {}
       (dofor
          [[node port :as endpoint] new-connections]
         [endpoint
          (msg/connect
             mq-context
             ((:node->host assignment) node)
             port)
          ]
         )))

看不懂。。。

最后，storm对于tuple的处理/创建过程：

1.bolt创建一个tuple

2.worker把tuple以及这个tuple要发送的地址(task-id)组成一个对象(task-id,tuple)放进待发送队列。(LinkedBlockingQueue)

3.一个单独的线程会取出发送队列中的每个tuple来处理

a>worker创建从当前task到目的task的netty连接

b>序列化这个tuple并且通过这个netty的连接来发送这个tuple

今天认识一种说法，当你有3台机器，多个topo，每个topo只有一个worker，每次启动一个topo，每次启动worker分布任务后悔重新排序可用的slot，可能会导致其他的机器一直分配不上worker，所有的worker都分布在当前机器上的情况。