基础知识

Storm是一个分布式的，可靠的，容错的数据流处理系统。它会把工作任务委托给不同类型的组件，每个组件负责处理一项简单特定的任务。Storm集群的输入流由一个被称作spout的组件管理，spout把数据传递给bolt， bolt要么把数据保存到某种存储器，要么把数据传递给其它的bolt。你可以想象一下，一个Storm集群就是在一连串的bolt之间转换spout传过来的数据。

概念解释：

• spout： 读取原始数据为bolt提供数据。
• bolt： 从spout或其它bolt接收数据，并处理数据，处理结果可作为其它bolt的数据源或最终结果。
• nimbus： 主节点的守护进程，负责为工作节点分发任务。
• topology： 拓扑结构，Storm的一个任务单元。
• define field(s)： 定义域，由spout或bolt提供，被bolt接收。

安装：

安装 zookeeper ：

• 下载 zookeeper ：http://zookeeper.apache.org/releases.html#download。
• 将 zookeeper-3.4.7.tar.gz 解压到目录，D:\bin\zookeeper-3.4.7。
• 复制文件 D:\bin\zookeeper-3.4.7\conf\zoo_sample.cfg 为同目录下的 zoo.cfg。
• 根据需要修改zoo.cfg的内容。
• 运行 D:\bin\zookeeper-3.4.7\bin\zkServer.cmd 。

安装 storm ：

• 下载 storm ： http://storm.apache.org/downloads.html 。
• 将 apache-storm-0.10.0.tar.gz 解压到目录，D:\bin\apache-storm-0.10.0 。
• 运行 D:\bin\storm.cmd nimbus
• 运行 D:\bin\storm.cmd supervisor
• 运行 D:\bin\storm.cmd ui
• 通过http://localhost:8080可以打开Storm Web UI，看看Storm集群的状态。

运行出错处理 ：

• 如果报Java版本问题，请安装jdk1.7，并正确设置 JAVA_HOME。
• 设置环境变量 STORM_HOME=D:\bin\apache-storm-0.10.0 。
• 设置环境变量 STORM_CONF_DIR=%STORM_HOME%\conf 。
• 出现“java.net.malformedurlexception unknown protocol D”错误，请设置环境变量 STORM_LOGBACK_CONFIGURATION_FILE=file:///D:/bin/apache-storm-0.10.0/log4j2/cluster.xml
• 如果报“Unable to delete file”错误，是storm的一个bug，0.8.2版本还没有解决，这个错误在cluster.shutdown();时候抛出。用0.10.0版本不会出现这样的问题。

Storm Web UI 界面如下：

开始一个简单的例子

• class WordReader ：从文件中读取文本内容，每读取一行 emit 给 bolts。
• class WordNormalizer ：将一行文本内容按单词切分。
• class WordCounter ：统计单词出现的次数。
• class TopologyMain ：创建拓扑结构。

源代码见文件附件：examples-ch02-getting_started.zip。

本机调试

在开发工具中，直接运行TopologyMain，即可开始体验strom

把Topology发布到集群中

需要把 LocalCluster 换成 StormSubmitter 并调用submitTopology方法

    //LocalCluster cluster = new LocalCluster();
    //cluster.submitTopology("Count-Word-Topology-With-Refresh-Cache", conf,
    //builder.createTopology());
    StormSubmitter.submitTopology("Count-Word-Topology-With_Refresh-Cache", conf,
            builder.createTopology());
    //Thread.sleep(1000);
    //cluster.shutdown();

接下来，把源码压缩成一个jar包，运行Storm客户端命令，把拓扑提交给集群。如果你已经使用了Maven， 你只需要在命令行进入源码目录运行：mvn package。

现在你生成了一个jar包，使用storm jar命令提交拓扑。命令格式：storm jar allmycode.jar org.me.MyTopology arg1 arg2 arg3。

对于这个例子，在拓扑工程目录下面运行：

storm jar Topologies-0.0.1-SNAPSHOT.jar countword.TopologyMain src/main/resources/words.txt

通过这些命令，你就把拓扑发布集群上了。

如果想停止或杀死它，运行：

storm kill Count-Word-Topology-With-Refresh-Cache

参考资料

storm 入门：http://ifeve.com/wp-content/uploads/2014/03/Getting-Started-With-Storm-Jonathan-Leibiusky-Gabriel-E_1276.pdf
官方文档：http://storm.apache.org/documentation.html

说明：

1.此文档中的文件夹位置请根据需要修改。
2.此文档中中使用的软件版本不一定是最新的。