Transactional topologies —— 事务拓扑

事务拓扑是怎么回事？

Storm guarantees that every message will be played through the topology at least once.

Storm has a feature called transactional topologies that let you achieve exactly-once messaging semantics for most computations.

　　事务拓扑，保证流入拓扑的数据能够被完整的处理且处理一次；

　　Acker拓扑，保证流入拓扑的数据能够被完整的处理，但不保证不重复；

　　普通拓扑，不保证流入拓扑的数据能够被完整的处理；

引入前言

　　Storm是一个分布式的流处理系统，利用anchor和ack机制保证所有tuple都被成功处理。如果tuple出错，则可以被重传，但是如何保证出错的tuple只被处理一次呢？Storm提供了一套事务性组件Transaction Topology，用来解决这个问题。

　　Transactional Topology目前已经不再维护，由Trident来实现事务性topology，但是原理相同。

1 一致性事务的设计

　　Storm如何实现即对tuple并行处理，又保证事务性。本节从简单的事务性实现方法入手，逐步引出Transactional Topology的原理。

1.1 简单设计一：强顺序流

　　保证tuple只被处理一次，最简单的方法就是将tuple流变成强顺序的，并且每次只处理一个tuple。从1开始，给每个tuple都顺序加上一个id。在处理tuple的时候，将处理成功的tuple id和计算结果存在数据库中。下一个tuple到来的时候，将其id与数据库中的id做比较。如果相同，则说明这个tuple已经被成功处理过了，忽略它；如果不同，根据强顺序性，说明这个tuple没有被处理过，将它的id及计算结果更新到数据库中。

　　以统计消息总数为例。每来一个tuple，如果数据库中存储的id 与当前tuple id不同，则数据库中的消息总数加1，同时更新数据库中的当前tuple id值。如图：

　　但是这种机制使得系统一次只能处理一个tuple，无法实现分布式计算。

1.2 简单设计二：强顺序batch流

　　为了实现分布式，我们可以每次处理一批tuple，称为一个batch。一个batch中的tuple可以被并行处理。

　　我们要保证一个batch只被处理一次，机制和上一节类似。只不过数据库中存储的是batch id。batch的中间计算结果先存在局部变量中，当一个batch中的所有tuple都被处理完之后，判断batch id，如果跟数据库中的id不同，则将中间计算结果更新到数据库中。

　　如何确保一个batch里面的所有tuple都被处理完了呢？可以利用Storm提供的CoordinateBolt。如图：

　　但是强顺序batch流也有局限，每次只能处理一个batch，batch之间无法并行。要想实现真正的分布式事务处理，可以使用storm提供的Transactional Topology。在此之前，我们先详细介绍一下CoordinateBolt的原理。

1.3 CoordinateBolt原理

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。

整个过程如图所示：

CoordinateBolt主要用于两个场景：

• DRPC
• Transactional Topology

　　CoordinatedBolt对于业务是有侵入的，要使用CoordinatedBolt提供的功能，你必须要保证你的每个bolt发送的每个tuple的第一个field是request-id。 所谓的“我已经处理完我的上游”的意思是说当前这个bolt对于当前这个request-id所需要做的工作做完了。这个request-id在DRPC里面代表一个DRPC请求；在Transactional Topology里面代表一个batch。

1.4 Trasactional Topology

　　Storm提供的Transactional Topology将batch计算分为process和commit两个阶段。Process阶段可以同时处理多个batch，不用保证顺序性；commit阶段保证batch的强顺序性，并且一次只能处理一个batch，第1个batch成功提交之前，第2个batch不能被提交。

　　还是以统计消息总数为例，以下代码来自storm-starter里面的TransactionalGlobalCount。

 MemoryTransactionalSpout spout = new MemoryTransactionalSpout(DATA,new Fields(“word“), PARTITION_TAKE_PER_BATCH);

 TransactionalTopologyBuilder builder = new TransactionalTopologyBuilder(“global-count“, “spout“, spout, );

 builder.setBolt(“partial-count“, new BatchCount(), ).noneGrouping(“spout“);

 builder.setBolt(“sum“, new UpdateGlobalCount()).globalGrouping(“partial-count“);

TransactionalTopologyBuilder共接收四个参数。

• 这个Transactional Topology的id。Id用来在Zookeeper中保存当前topology的进度，如果这个topology重启，可以继续之前的进度执行。
• Spout在这个topology中的id
• 一个TransactionalSpout。一个Trasactional Topology中只能有一个TrasactionalSpout.在本例中是一个MemoryTransactionalSpout，从一个内存变量（DATA）中读取数据。
• TransactionalSpout的并行度（可选）。

下面是BatchCount的定义:

 public static class BatchCount extends BaseBatchBolt {

         Object _id;

         BatchOutputCollector _collector;

         int _count = ;

         @Override

         public void prepare(Map conf, TopologyContext context,

               BatchOutputCollector collector, Object id) {

             _collector = collector;

             _id = id;

         }

         @Override

         public void execute(Tuple tuple) {

             _count++;

         }

         @Override

         public void finishBatch() {

             _collector.emit(new Values(_id, _count));

         }

         @Override

         public void declareOutputFields(OutputFieldsDeclarer declarer) {

             declarer.declare(new Fields(“id“, “count“));

         }

 }

　　BatchCount的prepare方法的最后一个参数是batch id，在Transactional Tolpoloyg里面这id是一个TransactionAttempt对象。

　　Transactional Topology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。

　　execute方法会为batch里面的每个tuple执行一次，你应该把这个batch里面的计算状态保持在一个本地变量里面。对于这个例子来说， 它在execute方法里面递增tuple的个数。

　　最后， 当这个bolt接收到某个batch的所有的tuple之后， finishBatch方法会被调用。这个例子里面的BatchCount类会在这个时候发射它的局部数量到它的输出流里面去。

下面是UpdateGlobalCount类的定义：

 public static class UpdateGlobalCount extends BaseTransactionalBolt

 implements ICommitter {

         TransactionAttempt _attempt;

         BatchOutputCollector _collector;

         int _sum = ;

         @Override

         public void prepare(Map conf, TopologyContext context,

 BatchOutputCollector collector, TransactionAttempt attempt) {

             _collector = collector;

             _attempt = attempt;

         }

         @Override

         public void execute(Tuple tuple) {

             _sum+=tuple.getInteger();

         }

         @Override

         public void finishBatch() {

             Value val = DATABASE.get(GLOBAL_COUNT_KEY);

             Value newval;

             if(val == null || !val.txid.equals(_attempt.getTransactionId())) {

                 newval = new Value();

                 newval.txid = _attempt.getTransactionId();

                 if(val==null) {

                     newval.count = _sum;

                 } else {

                     newval.count = _sum + val.count;

                 }

                 DATABASE.put(GLOBAL_COUNT_KEY, newval);

             } else {

                 newval = val;

             }

             _collector.emit(new Values(_attempt, newval.count));

         }

         @Override

         public void declareOutputFields(OutputFieldsDeclarer declarer) {

             declarer.declare(new Fields(“id“, “sum“));

         }

 }　

　　UpdateGlobalCount实现了ICommitter接口，所以storm只会在commit阶段执行finishBatch方法。而execute方法可以在任何阶段完成。

　　在UpdateGlobalCount的finishBatch方法中，将当前的transaction id与数据库中存储的id做比较。如果相同，则忽略这个batch；如果不同，则把这个batch的计算结果加到总结果中，并更新数据库。

Transactional Topolgy运行示意图如下：

下面总结一下Transactional Topology的一些特性：

• Transactional Topology将事务性机制都封装好了，其内部使用CoordinateBolt来保证一个batch中的tuple被处理完。
• TransactionalSpout只能有一个，它将所有tuple分为一个一个的batch，而且保证同一个batch的transaction id始终一样。
• BatchBolt处理batch在一起的tuples。对于每一个tuple调用execute方法，而在整个batch处理完成的时候调用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。
• Transactional Topology隐藏了anchor/ack框架，它提供一个不同的机制来fail一个batch，从而使得这个batch被replay。

5.2 Trident介绍

　　Trident是Storm之上的高级抽象，提供了joins，grouping，aggregations，fuctions和filters等接口。如果你使用过Pig或Cascading，对这些接口就不会陌生。

　　Trident将stream中的tuples分成batches进行处理，API封装了对这些batches的处理过程，保证tuple只被处理一次。处理batches中间结果存储在TridentState对象中。

　　Trident事务性原理这里不详细介绍，有兴趣的读者请自行查阅资料。

参考：

http://xumingming.sinaapp.com/736/twitter-storm-transactional-topolgoy/

http://xumingming.sinaapp.com/811/twitter-storm-code-analysis-coordinated-bolt/

https://github.com/nathanmarz/storm/wiki/Trident-tutorial

参考链接：

Storm官方文档：Transactional Topologies

徐明明博客：Twitter Storm: Transactional Topolgoy简介