JStorm第一个程序WordCount详解 / 憋错料

一、Strom基本知识（回顾）

1，首先明确Storm各个组件的作用，包括Nimbus,Supervisor,Spout,Bolt,Task,Worker,Tuple

nimbus是整个storm任务的管理者，并不实际进行工作。负责在集群中分发代码，对节点分配任务，并监视主机故障。
supervisor是实际进行工作的节点，负责监听工作节点上已经分配的主机作业，启动和停止Nimbus已经分配的工作进程。
Worker是具体处理Spout/Bolt逻辑的进程，worker数量由拓扑中的conf.setNumWorkers来定义，storm会在每个Worker上均匀分配任务，一个Worker只能执行一个topology，但是可以执行其中的多个任务线程。
一个worker是一个进程，里面可以同时运行多个线程，这些线程就是task

参考：http://blog.csdn.net/cuihaolong/article/details/52652686（storm各个节点介绍和容错机制）

2，一个简单的storm程序的基本流程是：spout作为数据源（可以来自hdfs，hbase等，也可以自发产生数据，比如wordcount这个例子）传送给bolt，bolt对数据进行处理，传给其它bolt或者直接输出。他们之间传送的数据是Tuple,可以成为数据元组。

3，Storm运行模式：

本地模式(Local Mode)：即Topology（相当于一个任务，后续会详细讲解）运行在本地机器的单一JVM上，这个模式主要用来开发、调试。
远程模式(Remote Mode):在这个模式，我们把我们的Topology提交到集群，在这个模式中，Storm的所有组件都是线程安全的，因为它们都会运行在不同的Jvm或物理机器上，这个模式就是正式的生产模式。

二、WordCount详解

程序描述

spout随机发送一个准备好的字符串数组里面的一个字符串（sentence）
第一层bolt，splitBolt负责对spout发过来的数据（sentence）进行split,分解成独立的单词，并按照一定的规则发往下一层bolt处理
第二层bolt，接受第一层bolt传过来的数据，并对各个单词进行数量计算

程序流程

spout数据源
bolt1进行split操作
bolt2进行count操作
Topolgy运行程序

0，WordCountTopology类：创建拓扑，运行程序

 1 package act.chenkh.study.jstormPlay;
 2
 3 import backtype.storm.Config;
 4 import backtype.storm.LocalCluster;
 5 import backtype.storm.StormSubmitter;
 6 import backtype.storm.topology.TopologyBuilder;
 7 import backtype.storm.tuple.Fields;
 8
 9 public class WordCountTopology {
10     public static void main(String[] args) throws Exception {
11         /**第一步，设计一个Topolgy*/
12         TopologyBuilder builder = new TopologyBuilder();
13         /*
14          * 设置spout和bolt,完整参数为spout的id(即name),spout对象,并发数(此项没有默认null)
15          */
16         //setSpout
17         builder.setSpout("sentence-spout",new RandomSentenceSpout(),1);
18         //setBolt:SplitBolt的grouping策略是上层随机分发，CountBolt的grouping策略是按照上层字段分发
19         //如果想要从多个Bolt获取数据，可以继续设置grouping
20         builder.setBolt("split-bolt", new SplitBolt(),1)
21             .shuffleGrouping("sentence-spout");
22         builder.setBolt("count-bolt", new CountBolt(),1)
23             .fieldsGrouping("split-bolt", new Fields("word"));
24         /**第二步，进行基本配置*/
25         Config conf = new Config();
26         //作用和影响？？？？？？？？？？？
27         conf.setDebug(true);
28         if (args != null && args.length > 0) {
29             conf.setNumWorkers(1);
30             StormSubmitter.submitTopology(args[0], conf, builder.createTopology());
31             }
32         else {
33             /*
34              * run in local cluster, for test in eclipse.
35              */
36             conf.setMaxTaskParallelism(3);
37             LocalCluster cluster = new LocalCluster();
38             cluster.submitTopology("Getting-Started-Toplogie", conf, builder.createTopology());
39             Thread.sleep(Integer.MAX_VALUE);
40             cluster.shutdown();
41         }
42     }
43 }

1，RandomSentenceSpout类：产生数据

 1 package act.chenkh.study.jstormPlay;
 2
 3 import backtype.storm.Config;
 4 import backtype.storm.LocalCluster;
 5 import backtype.storm.StormSubmitter;
 6 import backtype.storm.topology.TopologyBuilder;
 7 import backtype.storm.tuple.Fields;
 8
 9 public class WordCountTopology {
10     public static void main(String[] args) throws Exception {
11         /**第一步，设计一个Topolgy*/
12         TopologyBuilder builder = new TopologyBuilder();
13         /*
14          * 设置spout和bolt,完整参数为spout的id(即name),spout对象,并发数(此项没有默认null)
15          */
16         //setSpout
17         builder.setSpout("sentence-spout",new RandomSentenceSpout(),1);
18         //setBolt:SplitBolt的grouping策略是上层随机分发，CountBolt的grouping策略是按照上层字段分发
19         //如果想要从多个Bolt获取数据，可以继续设置grouping
20         builder.setBolt("split-bolt", new SplitBolt(),1)
21             .shuffleGrouping("sentence-spout");
22         builder.setBolt("count-bolt", new CountBolt(),1)
23             .fieldsGrouping("split-bolt", new Fields("word"));
24         /**第二步，进行基本配置*/
25         Config conf = new Config();
26         //作用和影响？？？？？？？？？？？
27         conf.setDebug(true);
28         if (args != null && args.length > 0) {
29             conf.setNumWorkers(1);
30             StormSubmitter.submitTopology(args[0], conf, builder.createTopology());
31             }
32         else {
33             /*
34              * run in local cluster, for test in eclipse.
35              */
36             conf.setMaxTaskParallelism(3);
37             LocalCluster cluster = new LocalCluster();
38             cluster.submitTopology("Getting-Started-Toplogie", conf, builder.createTopology());
39             Thread.sleep(Integer.MAX_VALUE);
40             cluster.shutdown();
41         }
42     }
43 }

2，SplitBolt类：接收上层tuple,进行split,分发给下一层

 1 package act.chenkh.study.jstormPlay;
 2
 3 import java.util.HashMap;
 4 import java.util.Map;
 5
 6 import org.apache.log4j.Logger;
 7
 8 import com.alibaba.jstorm.callback.AsyncLoopThread;
 9 import com.alibaba.jstorm.callback.RunnableCallback;
10
11 import backtype.storm.task.TopologyContext;
12 import backtype.storm.topology.BasicOutputCollector;
13 import backtype.storm.topology.OutputFieldsDeclarer;
14 import backtype.storm.topology.base.BaseBasicBolt;
15 import backtype.storm.tuple.Fields;
16 import backtype.storm.tuple.Tuple;
17 import clojure.inspector__init;
18
19 public class CountBolt extends BaseBasicBolt {
20     Integer id;
21     String name;
22     Map<String, Integer> counters;
23     String component;
24     private static final Logger LOG = Logger.getLogger(CountBolt.class);
25     private AsyncLoopThread statThread;
26     /**
27      * On create
28      */
29     @Override
30     public void prepare(Map stormConf, TopologyContext context) {
31         this.counters = new HashMap<String, Integer>();
32         this.name = context.getThisComponentId();
33         this.id = context.getThisTaskId();
34         this.statThread = new AsyncLoopThread(new statRunnable());
35
36         LOG.info(stormConf.get("abc")+"!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!");
37         component = context.getThisComponentId();
38     }
39
40     public void declareOutputFields(OutputFieldsDeclarer declarer) {
41          declarer.declare(new Fields("word","count"));
42          // declarer.declareStream("coord-"+"word-counter", new Fields("epoch","ebagNum"));
43          // LOG.info("set stream coord-"+component);
44     }
45
46     //接收消息之后被调用的方法
47     public void execute(Tuple input, BasicOutputCollector collector) {
48 //        String str = input.getString(0);
49         String str = input.getStringByField("word");
50         if(!counters.containsKey(str)){
51             counters.put(str, 1);
52         }else{
53             Integer c = counters.get(str) + 1;
54             counters.put(str, c);
55         }
56     }
57     class statRunnable extends RunnableCallback {
58
59         @Override
60         public void run() {
61             while(true){
62                 try {
63                     Thread.sleep(10000);
64                 } catch (InterruptedException e) {
65
66                 }
67                 LOG.info("\n-- Word Counter ["+name+"-"+id+"] --");
68                 for(Map.Entry<String, Integer> entry : counters.entrySet()){
69                     LOG.info(entry.getKey()+": "+entry.getValue());
70                 }
71                 LOG.info("");
72             }
73
74         }
75     }
76
77 }

3，CountBolt类：接收上层tuple,进行count,展示输出

 1 package act.chenkh.study.jstormPlay;
 2
 3 import java.util.HashMap;
 4 import java.util.Map;
 5
 6 import org.apache.log4j.Logger;
 7
 8 import com.alibaba.jstorm.callback.AsyncLoopThread;
 9 import com.alibaba.jstorm.callback.RunnableCallback;
10
11 import backtype.storm.task.TopologyContext;
12 import backtype.storm.topology.BasicOutputCollector;
13 import backtype.storm.topology.OutputFieldsDeclarer;
14 import backtype.storm.topology.base.BaseBasicBolt;
15 import backtype.storm.tuple.Fields;
16 import backtype.storm.tuple.Tuple;
17 import clojure.inspector__init;
18
19 public class CountBolt extends BaseBasicBolt {
20     Integer id;
21     String name;
22     Map<String, Integer> counters;
23     String component;
24     private static final Logger LOG = Logger.getLogger(CountBolt.class);
25     private AsyncLoopThread statThread;
26     /**
27      * On create
28      */
29     @Override
30     public void prepare(Map stormConf, TopologyContext context) {
31         this.counters = new HashMap<String, Integer>();
32         this.name = context.getThisComponentId();
33         this.id = context.getThisTaskId();
34         this.statThread = new AsyncLoopThread(new statRunnable());
35
36         LOG.info(stormConf.get("abc")+"!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!");
37         component = context.getThisComponentId();
38     }
39
40     public void declareOutputFields(OutputFieldsDeclarer declarer) {
41          declarer.declare(new Fields("word","count"));
42          // declarer.declareStream("coord-"+"word-counter", new Fields("epoch","ebagNum"));
43          // LOG.info("set stream coord-"+component);
44     }
45
46     //接收消息之后被调用的方法
47     public void execute(Tuple input, BasicOutputCollector collector) {
48 //        String str = input.getString(0);
49         String str = input.getStringByField("word");
50         if(!counters.containsKey(str)){
51             counters.put(str, 1);
52         }else{
53             Integer c = counters.get(str) + 1;
54             counters.put(str, c);
55         }
56     }
57     class statRunnable extends RunnableCallback {
58
59         @Override
60         public void run() {
61             while(true){
62                 try {
63                     Thread.sleep(10000);
64                 } catch (InterruptedException e) {
65
66                 }
67                 LOG.info("\n-- Word Counter ["+name+"-"+id+"] --");
68                 for(Map.Entry<String, Integer> entry : counters.entrySet()){
69                     LOG.info(entry.getKey()+": "+entry.getValue());
70                 }
71                 LOG.info("");
72             }
73
74         }
75     }
76
77 }

参考：http://fireinwind.iteye.com/blog/2153699（第一个Storm应用）

三、Grouping的几种方式

四、Bolt的声明周期

1、在定义Topology实例过程中，定义好Spout实例和Bolt实例
2、在提交Topology实例给Nimbus的过程中，会调用TopologyBuilder实例的createTopology()方法，以获取定义的Topology实例。在运行createTopology()方法的过程中，会去调用Spout和Bolt实例上的declareOutputFields()方法和getComponentConfiguration()方法，declareOutputFields()方法配置Spout和Bolt实例的输出，getComponentConfiguration()方法输出特定于Spout和Bolt实例的配置参数值对。Storm会将以上过程中得到的实例，输出配置和配置参数值对等数据序列化，然后传递给Nimbus。
3、在Worker Node上运行的thread，从Nimbus上复制序列化后得到的字节码文件，从中反序列化得到Spout和Bolt实例，实例的输出配置和实例的配置参数值对等数据，在thread中Spout和Bolt实例的declareOutputFields()和getComponentConfiguration()不会再运行。
4、在thread中，反序列化得到一个Bolt实例后，它会先运行Bolt实例的prepare()方法，在这个方法调用中，需要传入一个OutputCollector实例，后面使用该OutputCollector实例输出Tuple
5、接下来在该thread中按照配置数量建立task集合，然后在每个task中就会循环调用thread所持有Bolt实例的execute()方法
6、在关闭一个thread时，thread所持有的Bolt实例会调用cleanup()方法
不过如果是强制关闭，这个cleanup()方法有可能不会被调用到

五、Stream里面的Tuple

1，Stream是storm里面的关键抽象。一个stream是一个没有边界的tuple序列。

storm提供一些原语来分布式地、可靠地把一个stream传输进一个新的stream。比如：你可以把一个tweets流传输到热门话题的流。

storm提供的最基本的处理stream的原语是spout和bolt。你可以实现Spout和Bolt对应的接口以处理你的应用的逻辑。

spout的流的源头。比如一个spout可能从Kestrel队列里面读取消息并且把这些消息发射成一个流。又比如一个spout可以调用twitter的一个api并且把返回的tweets发射成一个流。

通常Spout会从外部数据源（队列、数据库等）读取数据，然后封装成Tuple形式，之后发送到Stream中。Spout是一个主动的角色，在接口内部有个nextTuple函数，Storm框架会不停的调用该函数。

bolt可以接收任意多个输入stream，作一些处理，有些bolt可能还会发射一些新的stream。一些复杂的流转换，比如从一些tweet里面计算出热门话题，需要多个步骤，从而也就需要多个bolt。 Bolt可以做任何事情: 运行函数，过滤tuple, 做一些聚合，做一些合并以及访问数据库等等。

Bolt处理输入的Stream，并产生新的输出Stream。Bolt可以执行过滤、函数操作、Join、操作数据库等任何操作。Bolt是一个被动的角色，其接口中有一个execute(Tuple input)方法，在接收到消息之后会调用此函数，用户可以在此方法中执行自己的处理逻辑。

spout和bolt所组成一个网络会被打包成topology， topology是storm里面最高一级的抽象（类似 Job），你可以把topology提交给storm的集群来运行。topology的结构在Topology那一段已经说过了，这里就不再赘述了。

参考：http://www.cnblogs.com/wuxiang/p/5629138.html（Storm入门原理介绍）

2，Tuple: 消息传递的基本单位。

在spout发送的时候，函数原型

1 public List<Integer> emit(List<Object> tuple, Object messageId) {
2         return emit(Utils.DEFAULT_STREAM_ID, tuple, messageId);
3     }

这里的tuple, 实际上是List<Object> 对象，返回的是 List<Integer> 是要发送的tast的IdsList

在bolt接收的时候, 变成一个Tuple对象, 结构应该也是一个list， List<Field1, value1, Field2, value2..>这样的一个结构， FieldList ValueList, 我们根据对应的fieldname就可以取出对应的getIntegerByField方法

时间： 2024-08-23 04:55:03

JStorm第一个程序WordCount详解

JStorm第一个程序WordCount详解的相关文章

(转载)Hadoop示例程序WordCount详解

Hadoop示例程序WordCount详解及实例（转）

Hadoop集群WordCount详解

Hadoop WordCount详解（二）

入木三分学网络第一篇--VRRP协议详解第一篇（转）

嵌入式Linux应用程序开发详解------（创建守护进程）

程序编译详解

Java中InvocationHandler接口中第一个参数proxy详解

JPA学习---第一节：JPA详解