Storm是什么

本篇内容介绍了"Storm是什么"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

Storm是什么
如果只用一句话来描述storm的话，可能会是这样：分布式实时计算系统。按照storm作者的说法，storm对于实时计算的意义类似于 hadoop对于批处理的意义。我们都知道，根据google mapreduce来实现的hadoop为我们提供了map, reduce原语，使我们的批处理程序变得非常地简单和优美。同样，storm也为实时计算提供了一些简单优美的原语。
我们来看一下storm的适用场景。
1、流数据处理。 Storm可以用来处理源源不断流进来的消息，处理之后将结果写入到某个存储中去。
2、持续计算。连续发送数据到客户端，使它们能够实时更新并显示结果，如网站指标。
3、分布式rpc。由于storm的处理组件是分布式的，而且处理延迟极低，所以可以作为一个通用的分布式rpc框架来使用。当然，其实我们的搜索引擎本身也是一个分布式rpc系统。

Storm特点
Storm是一个开源的分布式实时计算系统，可以简单、可靠的处理大量的数据流。Storm有很多使用场景：如实时分析，在线机器学习，持续计算，分布式RPC，ETL等等。Storm支持水平扩展，具有高容错性，保证每个消息都会得到处理，而且处理速度很快（在一个小集群中，每个结点每秒可以处理数以百万计的消息）。 Storm的部署和运维都很便捷，而且更为重要的是可以使用任意编程语言来开发应用。

Storm集群架构:

Nimbus主节点：
主节点通常运行一个后台程序 -- Nimbus，用于响应分布在集群中的节点，分配任务和监测故障。这个很类似亍Hadoop中的Job Tracker。

Supervisor工作节点：
工作节点同样会运行一个后台程序 -- Supervisor，用于收听工作指派并基于要求运行工作进程。每个工作节点都是topology中一个子集的实现。而Nimbus和Supervisor之间的协调则通过Zookeeper系统或者集群。

Zookeeper
Zookeeper是完成Supervisor和Nimbus之间协调的服务。而应用程序实现实时的逻辑则被封装进Storm中的"topology"。topology则是一组由Spouts（数据源）和Bolts（数据操作）通过Stream Groupings进行连接的图。

Topology（拓扑）
storm中运行的一个实时应用程序，因为各个组件间的消息流劢形成逻辑上的一个拓扑结构。一个topology是spouts和bolts组成的图， 通过stream groupings将图中的spouts和bolts连接起来，如下图：

一个topology会一直运行直到你手动kill掉，Storm自动重新分配执行失败的任务，并且Storm可以保证你不会有数据丢失（如果开启了高可靠性的话）。如果一些机器意外停机它上面的所有任务会被转移到其他机器上。
运行一个topology很简单。首先，把你所有的代码以及所依赖的jar打进一个jar包。然后运行类似下面的这个命令：
storm jar all-my-code.jar backtype.storm.MyTopology arg1 arg2
这个命令会运行主类: backtype.strom.MyTopology, 参数是arg1, arg2。这个类的main函数定义这个topology并且把它提交给Nimbus。 storm jar负责连接到Nimbus并且上传jar包。
Topology的定义是一个Thrift结构，并且Nimbus就是一个Thrift服务， 你可以提交由任何语言创建的topology。上面的是用JVM-based语言提交的最简单的方法。

Tuple
storm使用tuple来作为它的数据模型。每个tuple是一堆值，每个值有一个名字，并且每个值可以是任何类型， 在我的理解里面一个tuple可以看作一个没有方法的java对象。总体来看，storm支持所有的基本类型、字符串以及字节数组作为tuple的值类型。你也可以使用你自己定义的类型来作为值类型， 只要你实现对应的序列化器(serializer)。
一个Tuple代表数据流中的一个基本的处理单元，例如一条cookie日志，它可以包含多个Field，每个Field表示一个属性。
Tuple本来应该是一个Key-Value的Map，由于各个组件间传递的tuple的字段名称已经事先定义好了，所以Tuple只需要按序填入各个Value，所以就是一个Value List。
一个没有边界的、源源不断的、连续的Tuple序列就组成了Stream。

Stream
Stream是storm里面的关键抽象。一个stream是一个没有边界的tuple序列。 storm提供一些原语来分布式地、可靠地把一个stream传输进一个新的stream。比如： 你可以把一个tweets流传输到热门话题的流。
storm提供的最基本的处理stream的原语是spout和bolt。你可以实现Spout和Bolt对应的接口以处理你的应用的逻辑

Spout
消息源spout是Storm里面一个topology里面的消息生产者,简而言之，Spout从来源处读取数据并放入topology。 spout是流的源头。 比如一个spout可能从Kestrel队列里面读取消息并且把这些消息发射成一个流。又比如一个spout可以调用twitter的一个api并且把返回的tweets发射成一个流。
通常Spout会从外部数据源（队列、数据库等）读取数据，然后封装成Tuple形式，之后发送到Stream中。 Spout是一个主动的角色，在接口内部有个nextTuple函数，Storm框架会不停的调用该函数。

Bolt
Topology中所有的处理都由Bolt完成。即所有的消息处理逻辑被封装在bolts里面。 Bolt可以完成任何事，比如：连接的过滤、聚合、访问文件/数据库、等等。
Bolt处理输入的Stream，并产生新的输出Stream。 Bolt可以执行过滤、函数操作、 Join、操作数据库等任何操作。 Bolt是一个被动的角色，其接口中有一个execute(Tuple input)方法，在接收到消息后会调用此函数，用户可以在此方法中执行自己的处理逻辑。
Bolt从Spout中接收数据并进行处理，如果遇到复杂流的处理也可能将tuple发送给另一个Bolt进行处理。即需要经过很多blots。比如算出一堆图片里面被转发最多的图片就至少需要两步：第一步算出每个图片的转发数量。第二步找出转发最多的前10个图片。（如果要把这个过程做得更具有扩展性那么可能需要更多的步骤）。

Stream Groupings
Stream Grouping定义了一个流在Bolt任务间该如何被切分。 这里有storm提供的7个Stream Grouping类型：
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。
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。
3）全部分组（All grouping）：tuple被复制到bolt的所有任务。这种类型需要谨慎使用。
4）全局分组（Global grouping）：全部流都分配到bolt的同一个任务。明确地说，是分配给ID最小的那个task。
5）无分组（None grouping）：你不需要关心流是如何分组。目前，无分组等效于随机分组。但最终，Storm将把无分组的Bolts放到Bolts或Spouts订阅它们的同一线程去执行（如果可能）。
6）直接分组（Direct grouping）：这是一个特别的分组类型。元组生产者决定tuple由哪个元组处理者任务接收。
7) 本地或随机分组(Local or shuffle grouping)：如果目标bolt有一个或多个任务在同一个的worker进程中，tuples会随机发送给这些任务。否则，就和普通的随机分组一样。
当然还可以实现CustomStreamGroupimg接口来定制自己需要的分组。

运行中的Topology主要由以下三个组件组成的：
Worker processes（进程）
Executors (threads)（线程）
Tasks

Worker：运行具体处理组件逻辑的进程。一个Topology可能会在一个或者多个Worker(工作进程)里面执行，每个worker是一个物理JVM并且执行整个Topology的一部分。storm会尽量均匀地将工作分配给所有的worker
executor：每个execcutor对应一个线程。1个executor是1个worker进程生成的1个线程。它可能运行着1个相同的组件(spout或bolt)的1个或多个task
Task：每个Spout或者Bolt会被当做很多task在整个集群中运行，在executor这个线程中运行一个或多个task

"Storm是什么"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！