storm(一)

Storm 一个用来实时计算的流框架，具有高可用，低延迟，数据不丢失，分布式的特点

storm 处理数据的方式是基于消息的流水线处理，因此特别适合无状态的计算，也就是说计算单元依赖的数据全部在接受的消息中可以找到。

storm架构图

Nimbus：

storm集群的master节点，负责分发用户代码，指派给具体的supervisor节点上的worker节点，取运行topology对应的组件(spout/bolt)的task

supervisor：

负责接收nimbus分配的任务，启动和暂停属于自己管理的worker进程。通过storm配置文件中的supervisor.slots.ports配置项，可以指定在一个supervisor上最大允许多少个slot，每个slot通过端口号来唯一标识，一个端口号对应一个worker进程(如果该worker进程被启动)。

worker：

运行具体处理组件逻辑的进程。worker的任务类型只有两种，一种是spout任务，一种是bolt任务。

Task:

worker 中每一个spout/bolt的线程称为一个task。同一个spout/bolt的task可能会共享一个物理线程，该线程称为executor。(worker下面是executor，executor下面是task)

zookeeper:

用来协调nimbus和supervisor，如果supervisor因故障出现问题而无法运行topology，nimbus会第一时间感知到，并重新分配topology到其他可用的supervisor上运行

Storm编程模型

storm程序在运行过程中主要有spout和bolt这两个组件，数据源重spout开始，数据已tuple的方式发送到bolt

Topologies:

storm中运行的一个事实应用程序的名称。将spout，bolt整合起来的拓扑图。定义了spout和bolt的结合关系，并发数量，配置等等。

spout:

topology 中获取源数据流的组件，一般spout会从外部数据源读取数据然后将它们发送到拓扑中。根据需求不同，spout既可以定义为可靠的数据源，也可以定义为不可靠的数据源。可靠的数据可以再发送失败的时候重新发送该元组，以确保所有的元组都能得到正确的处理；不可靠的spout就不会再元组发送之后进行其他的任何操作。

Bolt:

拓扑中所有的数据处理均是由bolt完成的。通过数据过滤，函数处理，聚合，关联(joins),数据库交互等功能。bolt几乎能够完成任何一种数据处理需求。

Tuple：

一次消息传递的基本单元，理解为一组消息就是一个tuple

Stream： tuple的集合，标识数据的流向

Stream grouping

也就是消息是怎么划分的。

• 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

• 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)

• 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。

• 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。 人人都有，完全没有必要

• 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。

• 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

• LocalOrShuffle 分组。 优先将数据发送到本地的Task，节约网络通信的资源

Streams: 一个数据流指定的在分布式环境中并行创建，处理的一组元组的无界序列