Storm集群的搭建和使用入门

Storm

• Storm是一个流式计算框架，数据源源不断的产生，源源不断的收集，源源不断的计算。（数据实时产生、实时传输、实时计算、实时展示）
• Storm只负责数据的计算，不负责数据的存储。
• 2013年前后，阿里巴巴基于storm框架，使用java语言开发了类似的流式计算框架佳作，Jstorm。2016年年底阿里巴巴将源码贡献给了Apache storm，两个项目开始合并，新的项目名字叫做storm2.x。

Storm的架构图:

其中:

• 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。
• Worker：运行具体处理组件逻辑的进程。
• Task：worker中每一个spout/bolt的线程称为一个task. 在storm0.8之后，task不再与物理线程对应，同一个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

• DataSource: 数据源
• Spout：在一个topology中产生源数据流的组件。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。Spout是一个主动的角色，其接口中有个nextTuple()函数，storm框架会不停地调用此函数，用户只要在其中生成源数据即可。
• Bolt：在一个topology中接受数据然后执行处理的组件。Bolt可以执行过滤、函数操作、合并、写数据库等任何操作。Bolt是一个被动的角色，其接口中有个execute(Tuple input)函数,在接受到消息后会调用此函数，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。本来应该是一个key-value的map，但是由于各个组件间传递的tuple的字段名称已经事先定义好，所以tuple中只要按序填入各个value就行了，所以就是一个value list.
• Stream：源源不断传递的tuple就组成了stream。
• Topology：Storm中运行的一个实时应用程序，因为各个组件间的消息流动形成逻辑上的一个拓扑结构。

分组策略

1. 随机分组(Shuffle grouping)：随机分发tuple到Bolt的任务，保证每个任务获得相等数量的tuple。 跨服务器通信，浪费网络资源，尽量不适用
2. 字段分组(Fields grouping)：根据指定字段分割数据流，并分组。例如，根据“user-id”字段，相同“user-id”的元组总是分发到同一个任务，不同“user-id”的元组可能分发到不同的任务。 跨服务器，除非有必要，才使用这种方式。
3. LocalOrShuffle 分组。 优先将数据发送到本地的Task，节约网络通信的资源。(常用)

安装运行

安装搭建

1. 前期准备
   准备搭建3节点集群,准备3个虚拟机node1,node2,node3
   配置好hosts映射文件和互相的ssh免密登录
   配置好JDK
   storm是依赖于zookeeper的,搭建storm集群前,必须先把zookeeper集群搭建好

2. 安装storm
   1 ) 准备好storm安装包apache-storm-1.1.1.tar.gz,下载地址:
   http://storm.apache.org/downloads.html
   2 ) 上传解压重命名为storm到/export/server路径下
   3 ) 修改配置文件 storm.yaml

   cd /export/server/storm/conf/
   vi storm.yaml

   添加如下配置:

   # 指定storm使用的zookeeper集群
   storm.zookeeper.servers:
        - "node1"
        - "node2"
        - "node3"
   # 指定storm集群中的nimbus节点所在的服务器
   nimbus.seeds: ["node1