storm事务

最新推荐文章于 2019-10-15 00:39:30 发布

weixin_30814223

最新推荐文章于 2019-10-15 00:39:30 发布

阅读量141

点赞数

文章标签： java 大数据数据库

原文链接：http://www.cnblogs.com/sunfie/p/7300966.html

版权

1. storm 事务

　　对于容错机制，Storm通过一个系统级别的组件acker，结合xor校验机制判断一个msg是否发送成功，进而spout可以重发该msg，保证一个msg在出错的情况下至少被重发一次。但是在一些事务性要求比较高的场景中，需要保障一次只有一次的语义，比如需要精确统计tuple的数量等等，torm0.7.0实现了一个新特性---事务性拓扑，这一特性使消息在语义上确保你可以安全的方式重发消息，并保证它们只会被处理一次。在不支持事务性拓扑的情况下，你无法在准确性，可扩展性，以空错性上得到保证的前提下完成计算。

　　在事务性拓扑中，Storm以并行和顺序处理混合的方式处理元组。spout并行分批创建供bolt处理的元组。其中一些bolt作为提交者以严格有序的方式提交处理过的批次。这意味着如果你有每批五个元组的两个批次，将有两个元组被bolt并行处理，但是直到提交者成功提交了第一个元组之后，才会提交第二个元组。使用事务性拓扑时，数据源要能够重发批次，有时候甚至要重复多次。因此确认你的数据源——你连接到的那个spout——具备这个能力。这个过程可以被描述为两个阶段：处理阶段--纯并行阶段，许多批次同时处理。提交阶段--严格有序阶段，直到批次一成功提交之后，才会提交批次二。这两个阶段合起来称为一个Storm事务。Storm使用zookeeper储存事务元数据，默认情况下就是拓扑使用的那个zookeeper。你可以修改以下两个配置参数键指定其它的zookeeper——transactional.zookeeper.servers和transactional.zookeeper.port。

2. 事务核心原理

　　(1) 对于一次只有一次的语义，从原理上来讲，需要在发送tuple的时候带上事务id，在需要事务处理的时候，根据该tid是否以前已经处理成功来决定是否进行处理，当然需要把tid和处理结果一起做保存，并且需要保障顺序性，在当前请求tid提交前，确保所有比自己低tid请求都已经提交。

　　在事务处理时单个处理tuple效率比较低，因此storm中引入batch处理，一批tuple赋予一个tid，为了提高batch之间处理的并行度，storm采用了pipeline 处理的模型。参见下图pipeline模型，多个事务可以并行执行，但是commit的是严格按照顺序的。

对应到storm中的具体实现中，把一个batch的计算分成了两个阶段processing和commit阶段：

　　Processing阶段：多个batch可以并行计算，上面例子中bolt2是普通的batchbolt(实现BaseBatchBolt)，那么多个batch在bolt2的task之间可以并行执行，比如对batch3和batch4并行执行execute或finishbatch(什么时候调用该操作，后面会介绍)方法。

　　Commiting阶段：batch之间强制按照顺序进行提交，上图中Bolt3实现BaseBatchBolt并且标记需要事务处理的(实现了ICommitter接口或者通过TransactionalTopologyBuilder的setCommitterBolt方法把BatchBolt添加到topology里面)，那么在Storm认为可以提交batch的时候调用finishbatch，在finishBatch做tid的比较以及状态保存工作，例子中batch2必须等待batch1提交后，才可以进行提交。

当使用Transactional Topologies的时候， storm为你做下面这些事情：

管理状态: Storm把所有实现Transactional Topologies所必须的状态保存在zookeeper里面。这包括当前transaction id以及定义每个batch的一些元数据。
协调事务: Storm帮你管理所有事情，以帮你决定在任何一个时间点是该proccessing还是该committing。
错误检测: Storm利用acking框架来高效地检测什么时候一个batch被成功处理了，被成功提交了，或者失败了。Storm然后会相应地replay对应的batch。你不需要自己手动做任何acking或者anchoring — storm帮你搞定所有事情。
内置的批处理API: Storm在普通bolt之上包装了一层API来提供对tuple的批处理支持。Storm管理所有的协调工作，包括决定什么时候一个bolt接收到一个特定transaction的所有tuple。Storm同时也会自动清理每个transaction所产生的中间数据。
最后，需要注意的一点是Transactional Topologies需要一个可以完全重发(replay)一个特定batch的消息的队列系统(Message Queue)。storm-contrib里面的storm-kafka实现了这个。

事务性topology从实现上来讲，包括事务性的spout，以及事务性的bolt。

　　(2) 事务性的spout需要实现ITransactionalSpout，这个接口包含两个内部类Coordinator和Emitter,在topology运行的时候，事务性的spout内部包含一个子的topology，类似下面这个结构：

　　其中coordinator是spout，emitter是bolt。这里面有两种类型的tuple，一种是事务性的tuple，一种是真实batch中的tuple；coordinator为事务性batch发射tuple，Emitter负责为每个batch实际发射tuple。

具体如下：

coordinator只有一个，emitter根据并行度可以有多个实例
emitter以all grouping(广播)的方式订阅coordinator的”batch emit”流
coordinator (其实是是一个内部的spout)开启一个事务准备发射一个batch时候，进入一个事务的processing阶段，会发射一个事务性tuple(transactionAttempt & metadata)到”batch emit”流

*****说明******

TransactionalTopology里发送的tuple都必须以TransactionAttempt作为第一个field，storm根据这个field来判断tuple属于哪一个batch。

TransactionAttempt包含两个值：一个transaction id，一个attempt id。transaction id的作用就是我们上面介绍的对于每个batch中的tuple是唯一的，而且不管这个batch replay多少次都是一样的。attempt id是对于每个batch唯一的一个id，但是对于同一个batch，它replay之后的attempt id跟replay之前就不一样了，我们可以把attempt id理解成replay-times， storm利用这个id来区别一个batch发射的tuple的不同版本

metadata(元数据)中包含当前事务可以从哪个point进行重放数据，存放在zookeeper中的，spout可以通过Kryo从zookeeper中序列化和反序列化该元数据。

**************

Emiter接收到这个tuble后，会进行batch tuple的发送
Storm通过anchoring/acking机制来检测事务是否已经完成了processing 阶段；
Processing阶段完成后，并且之前的transactions都已经提交了，coordinator发射一个tuble到"commit"流，进入commit阶段。
commiting bolts通过all grouping方式订阅该”commit”流，事务提交后，coordinator同样通过anchoring/acking机制确认已经完成了commit阶段，接收到ack后，在zookeeper上把该transaction标记为完成。

　　(3) 事务性的Bolt继承BaseTransactionalBolt，处理batch在一起的tuples，对于每一个tuple调用调用execute方法，而在整个batch处理(processing)完成的时候调用finishBatch方法。如果BatchBolt被标记成Committer，则只能在commit阶段调用finishBolt方法。一个batch的commit阶段由storm保证只在前一个batch成功提交之后才会执行。并且它会重试直到topology里面的所有bolt在commit完成提交。那么如何知道batch的processing完成了，也就是bolt是否接收处理了batch里面所有的tuple；在bolt内部，有一个CoordinatedBolt的模型。CoordinateBolt具体原理如下：

CoordinateBolt具体原理如下：

真正执行计算的bolt外面封装了一个CoordinateBolt。真正执行任务的bolt我们称为real bolt。
每个CoordinateBolt记录两个值：有哪些task给我发送了tuple（根据topology的grouping信息）；我要给哪些tuple发送信息（同样根据groping信息）
Real bolt发出一个tuple后，其外层的CoordinateBolt会记录下这个tuple发送给哪个task了。
等所有的tuple都发送完了之后，CoordinateBolt通过另外一个特殊的stream以emitDirect的方式告诉所有它发送过 tuple的task，它发送了多少tuple给这个task。下游task会将这个数字和自己已经接收到的tuple数量做对比，如果相等，则说明处理完了所有的tuple。
下游CoordinateBolt会重复上面的步骤，通知其下游。

　　事务性的拓扑在storm中的一个应用是Trident，它是在storm的原语和事务性的基础上做更高层次的抽象，做到一致性和恰好一次的语义，后续章节会对trident做分析。

3. 事务应用

根据storm的事务原理，统计网站每天的访问量，仅为了说明概念，数据采用自制。

（1）TransSpout

 1 package com.dxss.storm.transaction;
 2 
 3 import java.util.HashMap;
 4 import java.util.Map;
 5 import com.dsxx.storm.sql.utils.CreateData;
 6 import backtype.storm.task.TopologyContext;
 7 import backtype.storm.topology.OutputFieldsDeclarer;
 8 import backtype.storm.transactional.ITransactionalSpout;
 9 import backtype.storm.tuple.Fields;
10 
11 /**
12  * 
13  * @ClassName: TransSpout
14  * @Description: Storm的事务性操作,ITransactionalSpout 获取数据并向拓扑分发批次,
15  *                   泛型MyMata(元数据: 包含当前事务可以从哪个point进行重发数据，放在zookeeper中的，spout可以通过kryo从
16  *                  zookeeper中序列化和反序列化该元数据
17  *                 )是事务元数据集合,用户从数据源分发批次
18  * @author: hadoop
19  * @date: 2017年8月4日 下午7:46:11
20  *
21  */
22 public class TransSpout implements ITransactionalSpout<MyMata>{
23     private Map<Long,String> map = new HashMap<Long,String>();
24     @Override
25     public void declareOutputFields(OutputFieldsDeclarer arg0) {
26         arg0.declare(new Fields("atemptId","message"));
27     }
28 
29     @Override
30     public Map<String, Object> getComponentConfiguration() {
31         return null;
32     }
33 
34     /**
35      * 告诉storm用来协调生成批次的类，
36      */
37     @Override
38     public backtype.storm.transactional.ITransactionalSpout.Coordinator<MyMata> getCoordinator(Map arg0,
39             TopologyContext arg1) {
40         // TODO Auto-generated method stub
41         return new MyCoordinator();
42     }
43 
44     /**
45      * 负责读取批次并把它们分发到拓扑中的数据流组
46      */
47     @SuppressWarnings("unchecked")
48     @Override
49     public backtype.storm.transactional.ITransactionalSpout.Emitter<MyMata> getEmitter(Map arg0, TopologyContext arg1) {
50         return new MyEmitter(CreateData.getMapData(100L));
51     }
52 
53 }

View Code

　　Storm的事务性操作,TransactionalSpout 获取数据并向拓扑分发批次,泛型MyMata(元数据: 包含当前事务可以从哪个point进行重发数据，放在zookeeper中的，spout可以通过kryo从zookeeper中序列化和反序列化该元数据)是事务元数据集合,用户从数据源分发批次

（2）MyCoordinator

package com.dxss.storm.transaction;

import java.math.BigInteger;

import backtype.storm.transactional.ITransactionalSpout.Coordinator;
import backtype.storm.utils.Utils;

public class MyCoordinator implements Coordinator<MyMata>{
    private static final Integer BATCH_NUM = 10;

    @Override
    public void close() {
    }

    /**
     * 启动事务，生成元数据。接收
     *  txid：storm生成的事务ID，作为批次的唯一性标识
     *  arg1: 协调器生成的前一个事务元数据对象
     *  元组一经返回，storm把myMata和txid一起保存在zookeeper,确保一旦发生故障，storm可以利用分发器重新发送批次
     */
    @Override
    public MyMata initializeTransaction(BigInteger txid, MyMata arg1) {
        // arg0 : 事务ID ，启动事务ID，默认从0开始
        // arg1 : 上一个元数据的位置
        long beginPoint = 0L;
        if (arg1 == null){
            beginPoint = 0;
        }else{
            beginPoint = arg1.getBeginPoint() + arg1.getNum();
        }
        MyMata myMata = new MyMata();
        myMata.setBeginPoint(beginPoint);
        myMata.setNum(BATCH_NUM);
        System.err.println("启动一个事务："+ myMata.toString());
        return myMata ;
    }

    /**
     * 使用它来确认数据源已经就绪并可读取
     */
    @Override
    public boolean isReady() {
        Utils.sleep(2000);
        return true;
    }

}

View Code

负责启动事务，生成元数据。接收
txid：storm生成的事务ID，作为批次的唯一性标识
arg1: 协调器生成的前一个事务元数据对象
元组一经返回，storm把myMata和txid一起保存在zookeeper,确保一旦发生故障，storm可以利用分发器重新发送批次

（3）Emitter

package com.dxss.storm.transaction;

import java.math.BigInteger;
import java.util.HashMap;
import java.util.Map;

import backtype.storm.coordination.BatchOutputCollector;
import backtype.storm.transactional.ITransactionalSpout.Emitter;
import backtype.storm.transactional.TransactionAttempt;
import backtype.storm.tuple.Values;

/**
 * 
 * @ClassName: MyEmitter
分发器，从数据源读取数据，并从数据流组发送数据，分发器可以为相同的事务id和事务元数据发送相同的批次，如果出现故障，storm
发送相同的事务id和事务元数据，并确保批次已经重复过了，storm会在TransactionAttempt对象里为
这样就知道批次已经重复过了
p
 * @date: 2017年8月5日 下午2:19:30
 *
 */
public class MyEmitter implements Emitter<MyMata>{

    private Map<Long,String> map = null;
    
    
    public MyEmitter(Map<Long, String> map2) {
        this.map = map2;
    }

    @Override
    public void cleanupBefore(BigInteger arg0) {
        // TODO Auto-generated method stub
        
    }

    @Override
    public void close() {
        // TODO Auto-generated method stub
        
    }

    /**
     *  从传入的元数据对象中获取原始消息进行发送，利用传入的MyMata元数据对象从map(消息源)中获取数据进行发送，同时增加map
     *  维持的已读消息数
     */
    @Override
    public void emitBatch(TransactionAttempt arg0, MyMata arg1, BatchOutputCollector arg2) {
        // 从某一位置获取原始消息进行发送
        long beginPoint = arg1.getBeginPoint();
        int num = arg1.getNum();
        for (long i=beginPoint;i<(num+beginPoint);i++){
            if (this.map.get(i)==null){
                break;
            }
            arg2.emit(new Values(arg0,this.map.get(i)));
        }
    }

}

View Code

　　分发器，从数据源读取数据，并从数据流组发送数据，分发器可以为相同的事务id和事务元数据发送相同的批次，如果出现故障，storm发送相同的事务id和事务元数据，并确保批次已经重复过了，storm会在TransactionAttempt对象里为这样就知道批次已经重复过了

（4）Bolt

package com.dxss.storm.transaction;

import java.util.Map;

import backtype.storm.coordination.BatchOutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.base.BaseTransactionalBolt;
import backtype.storm.transactional.TransactionAttempt;
import backtype.storm.tuple.Fields;
import backtype.storm.tuple.Tuple;
import backtype.storm.tuple.Values;

@SuppressWarnings("serial")
public class TransBolt extends BaseTransactionalBolt{
    private BatchOutputCollector collector;
    private TransactionAttempt arg3 = null;
    private Integer count = 0;
    
    
    /**
     * execute 操作接收到的元组，但是不会分发新的元组，批次执行完成后，storm会调用finishBatch方法
     */
    @Override
    public void execute(Tuple arg0) {
        arg3 = (TransactionAttempt) arg0.getValue(0);
        System.out.println("MyTransactionBolt类中execute方法的事务ID是:"+ arg3.getTransactionId()
            + " attemptid"+arg3.getAttemptId()
                );
        String message = arg0.getString(1);
        if (message != null){
            count ++;
        }
    }

    /**
     * 批次执行完成后，storm会调用finishBatch方法，可以多线程并发处理，有几条线程，每条线程的批次处理完成后，就会调用该方法
     */
    @Override
    public void finishBatch() {
        System.err.println("FinishBatch的执行次数为：" + count);
        this.collector.emit(new Values(this.arg3,count));
    }

    
    @Override
    public void prepare(Map arg0, TopologyContext arg1, BatchOutputCollector arg2, TransactionAttempt arg3) {
        System.err.println("MyTransactionBolt类中prepare方法的事务ID是:"+ arg3.getAttemptId());
        this.arg3 = arg3;
        this.collector = arg2;
    }

    @Override
    public void declareOutputFields(OutputFieldsDeclarer arg0) {
        arg0.declare(new Fields("tx","count"));
        
    }

}

View Code

execute 操作接收到的元组，但是不会分发新的元组，批次执行完成后，storm会调用finishBatch方法

（5）Commit

package com.dxss.storm.transaction;

import java.math.BigInteger;
import java.util.HashMap;
import java.util.Map;

import backtype.storm.coordination.BatchOutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.topology.base.BaseTransactionalBolt;
import backtype.storm.transactional.ICommitter;
import backtype.storm.transactional.TransactionAttempt;
import backtype.storm.tuple.Tuple;

@SuppressWarnings("serial")
public class MyCommit extends BaseTransactionalBolt implements ICommitter{

    private static Map<String,DbValue> map = new HashMap<String,DbValue>();
    private Integer num = 0;
    private static final String GLOBAL_KEY = "GLOBAL_KEY";
    private TransactionAttempt arg3 ;
    
    class DbValue{
        private BigInteger txid ;
        int count = 0;
        public BigInteger getTxid() {
            return txid;
        }
        public void setTxid(BigInteger txid) {
            this.txid = txid;
        }
        public int getCount() {
            return count;
        }
        public void setCount(int count) {
            this.count = count;
        }
        
    }
    
    @Override
    public void execute(Tuple arg0) {
        this.num += arg0.getInteger(1);
    }

    /**
     * finishBatch 在提交就绪时执行，这一点发生在所有事务都已经成功提交之后，另外，finishBatch是顺序执行的，如果
     * 同时有事务ID1和事务ID2两个事务同时执行，只有在ID1没有差错的执行了finishBatch方法之后，ID2才会执行该方法
     */
    @SuppressWarnings("static-access")
    @Override
    public void finishBatch() {
        DbValue dbValue = this.map.get(GLOBAL_KEY);
        DbValue newDbValue = null;
        if (dbValue == null || !dbValue.txid.equals(this.arg3.getAttemptId())){
            //更新数据库
            newDbValue = new DbValue();
            newDbValue.txid = this.arg3.getTransactionId();
            if (dbValue == null){
                newDbValue.count = num;
            }else{
                newDbValue.count = dbValue.count + num;
            }
            this.map.put(GLOBAL_KEY, newDbValue);
        }else{
            newDbValue = dbValue;
        }
        System.err.println("total===================:"+this.map.get(GLOBAL_KEY).getCount());
    }

    @Override
    public void prepare(Map arg0, TopologyContext arg1, BatchOutputCollector arg2, TransactionAttempt arg3) {
        this.arg3 = arg3;
    }

    @Override
    public void declareOutputFields(OutputFieldsDeclarer arg0) {
    }

}