JStorm

一、定义

JStorm是一个分布式实时计算引擎，是一套基于流水线的消息处理机制。

用户按照指定的接口实现一个任务，然后将这个任务递交给JStorm系统，Jstorm将这个任务跑起来，并且按7 * 24小时运行起来，一旦中间一个worker 发生意外故障， 调度器立即分配一个新的worker替换这个失效的worker。

二、应用场景

• 日志分析
• 管道系统， 将一个数据从一个系统传输到另外一个系统；
• 消息转化器， 将接受到的消息按照某种格式进行转化，存储到另外一个系统如消息中间件；
• 统计分析器， 从日志或消息中，提炼出某个字段，然后做count或sum计算，最后将统计值存入外部存储器。中间处理过程可能更复杂。

三、基本概念

1、流（InputStream）

是一个不间断的连续的tuple,在JStorm里，通过nextTuple方法将数据流往下发射流出。

2、Spout/Bolt

JStorm将每个stream的唯一stream源，抽象为一个spout，即原始元组的源头。然后通过此源头将数据封装为tuple发射给一个或多个Bolt。

所以Bolt就是JStorm将数据的处理过程抽象为一个个节点，各bolt节点间互相接收和发射数据。

我们可以认为spout就是一个一个的水龙头，并且每个水龙头里流出的水是不同的，我们想拿到哪种水就拧开哪个水龙头，然后使用管道将水龙头的水导向到一个水处理器（bolt），水处理器处理后再使用管道导向另一个处理器或者存入容器中。

3、Topology

Topology即拓扑（拓扑结构是有向无环的），拓扑是Jstorm中最高层次的一个抽象概念，它可以被提交到Jstorm集群执行，一个拓扑就是一个数据流转换图，图中每个节点是一个spout或者bolt。

4、Tuple

JStorm将流中数据抽象为tuple，一个tuple就是一个值列表，list中的每个value都有一个name，并且每个value的数据都是可序列化类型。

拓扑的每个节点spout/bolt都要说明它所发射出的元组的字段的name，其他节点只需要订阅该name就可以接收处理。

5、Worker/Task

都是JStorm中任务的执行单元

 一个worker表示一个进程，一个task表示一个线程， 一个worker可以运行多个task

四、简单使用

//创建topology的生成器
TestBuilder builder = new TestBuilder(); 
//设置topology的所有配置信息
Config conf = new Config();
//表示整个topology将使用2个worker
conf.put(Config.TOPOLOGY_WORKERS, 2);
//设置topolog模式为分布式，这样topology就可以放到JStorm集群上运行
conf.put(Config.STORM_CLUSTER_MODE, "distributed");
创建Spout,名称为testSpout,执行类为TestSpout
builder.setSpout("testSpout", new TestSpout());
//创建Bolt,名称为testBolt,执行类为TestBolt,并发线程数为5,并且此5个线程接收testSpout输出的数据流
builder.setBolt("testBolt", new testBolt(), 5).shuffleGrouping("testSpout");
//集群,提交topology
StormSubmitter.submitTopology("testTopology", conf, builder.createTopology());
//本地,提交topology
LocalCluster cluster = new LocalCluster();
cluster.submitTopology("test", conf, builder.createTopology());

注意：将jstorm项目放到集群后，每个Bolt会被集群中的服务器随机取出执行，因此Bolt相互之间无法公用一个实例。如果某一个Bolt缓存一个数据集，其它Bolt需要使用这个缓存里的数据集，不能通过取全局实例来获取，可以让缓存的数据集喷数据给其他Bolt。

五、Spout类方法介绍

六、Bolt类方法介绍

七、JStorm优点

• 开发非常迅速， 接口简单，容易上手，只要遵守Topology，Spout， Bolt的编程规范即可开发出一个扩展性极好的应用，底层rpc，worker之间冗余，数据分流之类的动作完全不用考虑。
• 扩展性极好， 当一级处理单元速度，直接配置一下并发数，即可线性扩展性能
• 健壮， 当worker失效或机器出现故障时， 自动分配新的worker替换失效worker
• 数据准确性， 可以采用Acker机制，保证数据不丢失。 如果对精度有更多一步要求，采用事务机制，保证数据准确。

八、与Strom相比

1、JStorm比Storm更稳定，主要在内存的处理上，storm经常出现内存不够的情况。其次，JStorm新上线的任务不会冲击老的任务,新调度从cpu，memory，disk，net 四个角度对任务进行分配，已经分配好的新任务，无需去抢占老任务的cpu，memory，disk和net

2、JStorm比Storm调度更强大

（1）彻底解决了storm 任务分配不均衡问题

（2）从4个维度进行任务分配：CPU、Memory、Disk、Net

（3）可以随时更多的申请cpu、内存、disk

（4）可以强制某个component的task 运行在不同的节点上

（5）可以强制topology运行在单独一个节点上

（6）可以自定义任务分配，提前预约任务分配到哪台机器上，哪个端口，多少个cpu slot，多少内存，是否申请磁盘

（7）可以预约上一次成功运行时的任务分配，上次task分配了什么资源，这次还是使用这些资源

3、JStorm比Storm性能更好

后续了解后再补充