storm学习笔记一.docx

Storm流程架构总结
   hadoop一般用在离线的分析计算中,而storm区别于hadoop,用在实时的流式计算中,被广泛用来进行实时日志处理、实时统计、实时风控等场景,当然也可以用在对数据进行实时初步的加工,存储到分布式数据库中如HBase,便于后续的查询。
    面对的大批量的数据的实时计算,storm实现了一个可扩展的、低延迟、可靠性和容错的分布式计算平台。      
1、对象介绍
           tuple:表示流中一个基本的处理单元,可以包括多个field,每个filed表示一个属性
           topology:一个拓扑是一个个计算节点组成的图,每个节点包换处理的逻辑,节点之间的连线表示数据流动的方向
          spout:表示一个流的源头,产生tuple
           bolt:处理输入流并产生多个输出流,可以做简单的数据转换计算,复杂的流处理一般需要经过多个bolt进行处理
           nimnus:主控节点,负责在集群中发布代码,分配工作给机器,并且监听状态
           supervisor:一个机器,工作节点,会监听分配给的工作,根据需要启动和关闭工作进程。
           woker:执行topology的工作进程,用于生成task
           task:每个spout和bolt都可以作为task在storm中运行,一个task对应一个线程
      storm拓扑topology的组成见下图,
     
2、整体架构   
    
客户端提交拓扑到nimbus。
Nimbus针对该拓扑建立本地的目录根据topology的配置计算task,分配task,在zookeeper上建立assignments节点存储task和supervisor机器节点中woker的对应关系;
在zookeeper上创建taskbeats节点来监控task的心跳;启动topology。
Supervisor去zookeeper上获取分配的tasks,启动多个woker进行,每个woker生成task,一个task一个线程;根据topology信息初始化建立task之间的连接;Task和Task之间是通过zeroMQ管理的;后整个拓扑运行起来。
Storm的开发例子
编写Spout,