Storm简介及使用

一、Storm概述
    网址：http://storm.apache.org/
    Apache Storm是一个免费的开源分布式实时计算系统。Storm可以轻松可靠地处理无限数据流，实现Hadoop对批处理所做的实时处理。Storm非常简单，可以与任何编程语言一起使用，并且使用起来很有趣！
    Storm有许多用例：实时分析，在线机器学习，连续计算，分布式RPC，ETL等。风暴很快：一个基准测试表示每个节点每秒处理超过一百万个元组。它具有可扩展性，容错性，可确保您的数据得到处理，并且易
于设置和操作。
    Storm集成了您已经使用的排队和数据库技术。Storm拓扑消耗数据流并以任意复杂的方式处理这些流，然后在计算的每个阶段之间重新划分流。

    离线计算是什么？
    批量获取数据、批量的传输数据、批量的存储数据、周期性计算数据、数据可视化
    flume批量获取数据、sqoop批量传输、hdfs/hive/hbase批量存储、mr/hive计算数据、BI

    实时计算是什么？
    数据实时产生、数据实时传输、数据实时计算、实时展示
    flume实时获取数据、kafka实时数据存储、Storm/JStorm实时计算、实时展示(dataV/quickBI)

二、Storm与Hadoop
              hadoop                  storm
    角色：    JobTracker             Nimbus
             TaskTracker            Supervisor
             Child                  Worker
    应用名称： Job                   Topology
    编程接口： Mapper/Reducer        Spout/Bolt

三、storm编程模型
    tuple:元组
    是消息传输的基本单元。

    Spout:水龙头
    storm的核心抽象。拓扑的流的来源。Spout通常从外部数据源读取数据。转换为拓扑内部的源数据。
    主要方法：nextTuple() -》 发出一个新的元祖到拓扑。
    ack()
    fail()

    Bolt:转接头
    Bolt是对流的处理节点。Bolt作用：过滤、业务、连接运算。

    Topology:拓扑
    是一个实时的应用程序。
    永远运行除非被杀死。
    Spout到Bolt是一个连接流...

    wordcount
    spark->wordcount
    storm流式计算
    hadoop与storm兼容性
    spark-core
    spark-sql离线计算
    spark-streaming流式计算
    一个团队开发
    没有兼容性问题
    spark团队：我要做一栈式开发平台！
    但凡涉及到大数据计算 我都能搞定！
    spark替代了mapreduce
    spark没有底层存储
    依赖hdfs
    hdfs/mr............
    完善整个生态圈系统！
    mapreduce思想、编程 、sqoop->mr hive->mr hbasemr
    dfs/mapreduce/bigtable
    java/scala...

四、Storm集群安装部署
    1）准备工作
    zk01 zk02 zk03
    storm01 storm02 storm03

    2)下载安装包
    http://storm.apache.org/downloads.html

    3)上传apache-storm-1.1.0.tar.gz到/root下

    4)解压
    cd /root
    tar -zxvf apache-storm-1.1.0.tar.gz -C /root/hd/

    5)修改配置文件
    cd /root/hd
    mv apache-storm-1.1.0/ storm
    cd storm/conf/
    $ vi storm.yaml
    # 设置Zookeeper的主机名称
    storm.zookeeper.servers:
    - "hd09-1"
    - "hd09-2"
    - "hd09-3"

    # 设置主节点的主机名称
    nimbus.seeds: ["hd09-1"]
    # 设置Storm的数据存储路径
    storm.local.dir: "/root/hd/storm/data"
    # 设置Worker的端口号
    supervisor.slots.ports:
    - 6700
    - 6701
    - 6702
    - 6703

    6)创建文件夹/root/hd/storm/data
    mkdir /root/hd/storm/data

    7)配置环境变量
    vi /etc/profile
    在最下面加入
    export STORM_HOME=/root/hd/storm
    export PATH=$PATH:$STORM_HOME/bin

    生效环境变量
    source /etc/profile

    8)分发安装包到其他机器
    cd /root/hd/
    scp -r storm/ hd09-2:$PWD
    scp -r storm/ hd09-3:$PWD

    9)启动Zookeeper
    zkServer.sh start（三台机器都执行）

    10)启动nimbus
    storm nimbus & （三台机器都执行）

    11) 启动supervisor
    storm supervisor & （三台机器都执行）

    12)启动ui界面
    storm ui
    浏览器输入http://192.168.146.132:8080可以访问

五、Storm命令行操作
    1)查看命令帮助
    storm help

    2)查看版本
    storm version

    3)运行storm程序
    storm jar [/路径/.jar][全类名][拓扑名称]

    4）查看当前正在运行拓扑及其状态
    storm list

    5)终止拓扑程序
    storm kill [拓扑名称]

    6）激活拓扑程序
    storm activate [拓扑名称]

    7）禁止拓扑程序
    storm deactivate [拓扑名称]

六、分组策略
    1）Fields Grouping
    按照字段分组。相同字段发送到一个task中。

    2）shuffle Grouping
    随机分组。轮询。平均分配。随机分发tuple，保证每个bolt中的tuple数量相同。

    3）Non Grouping
    不分组
    采用这种策略每个bolt中接收的单词不同。

    4）All Grouping
    广播发送

    5）Global Grouping
    全局分组
    分配给task id值最小的
    根据线程id判断，只分配给线程id最小的