http://storm.apache.org/releases/1.0.1/Structure-of-the-codebase.html
- Structure of the codebase
源码分成独立的三层
第一:在最开始的时候Storm就被设计成支持多种语言,Nimbus是一种Thrift的服务,Topologies是一种Thrift类型的结构。Thrift的使用使得Storm可以被任何语言使用。
第二:所有的Storm的接口都被声明为java接口,虽然内部的实现有很多的Clojure但是所有的使用必须通过java api。这意味着所有的特性都可以通过java调用。
第三:Storm的实现很大一部分是Clojure,但是有接近一半的java代码,但是因为Clojure表达性强,所以绝大多数的逻辑的实现都在Clojure中。
下面的部分详细解释每一部分
- storm.thrift
- org.apache.thrift7
- 每一个组件都有一个component id
- Spouts和bolts有相同的Thrift定义
- 一个Thrift definition for bolts包含ComponentObject结构和ComponentCommon结构
- ComponentObject,定义了bolt的实现,可能是下面的三种类型的一种
- 一个Serialized java对象,实现了IBolt
- 一个ShellComponent代表了其他语言的实现,按照这样的方式声明bolt的时候将会造成storm实例化一个ShellBolt对象, 去处理基于JVM的工作进程和非基于JVM的实现的部分之间的通信
- 一个JavaObject结构,传递给storm类名和构造的参数去实例化那个bolt。如果你想用一种非JVM语言去定义拓扑的时候这样是有用的。这样你可以使用基于JVM的spouts和bolts而不必自己创建并且序列化一个java对象。
- ComponentCommon,定义了组件的所有的其他的部分,包含下面的:
- 这个组件发射什么streams,已经每个stream的metadata
- 这个组件消费什么stream
- 这个组件的并行度
- 组件声明的配置信息
- 需要注意的是,spouts的结构也包含了一个ComponentCommon属性,因此,spouts也可以声明去消费其他的输入流。但是JAVA API没有提供这样一种方式使得spout去消费其他的流,如果你放任何的输入声明给spout,那么在提交拓扑的时候,你将会得到一个错误。spouts有一个输入声明的属性不是给用户去使用的 ,而是为了storm自身去使用的。storm添加隐式的流或者bolts给拓扑,去设置acking framework,一个拓扑中每个spout有两个来自acker bolt的隐式的流。伴随着这些流,一旦tuple被检测到完成或者失败,acker发送ack或者fail信息。这些用户的拓扑需要被转换成运行时拓扑。
- Java interfaces
- storm的接口主要被声明为java接口,主要的接口有下面的三个
- IRichBolt
- IRichSpout
- TopologyBuilder
- 大多数的接口的策略是:
- 用一个java的interface声明一个接口
- 合适的时候提供一个基类提供默认的实现
- 一个微妙的区别是IBolt/ISpout和IRichBolt/IRichSpout的区别。主要的区别是是rich版本的接口,多了declareOutputFields方法。有这种区别的原因是因为每个输出流的输出fields的声明需要是Thrift结构的一部分(保证可以从各种语言指定出来),但是作为用户,你希望能够声明流作为自己的类的一部分。TopologyBuilder做的事情是当创建Thrift表示,调用declareOutputFields获取声明,并转换为Thrift结构。
- 实现
- 通过java接口声明所有的功能保证每个特性都能通过java去调用。
- 虽然两个代码量相同,但是Clojure实现了主要的逻辑。但是有两个例外,就是DRPC和transactional topologies的实现。这两个是纯java的实现。这充当了一个抽象,为实现storm的更高程度的抽象。这两个模块的代码在org,apache.storm.coordination,org.apache.storm.drpc,org.apache.storm.transactional包中。
- 下面是主要的java 包和Clojure namespace的功能的总结:
- java packages
- org.apache.storm.coordination:实现了在storm之上的批处理
- org.apache.storm.drpc:DRPC更高程度的抽象
- org.apache.storm.generated:storm生成Thrift代码
- 使用了Thrift的this fork,简单的把这个包重命名为org.apache.thrift7以避免和Thrift版本的冲突
- org.apache.storm.grouping:包含自定义的流分组的接口
- org.apache.storm.hooks:包含钩子进入各种事件的接口,例如当任务发送tuple,当tuple被ack。
- org.apache.storm.serialization:实现了storm序列化和反序列化tuples,基于谷歌的kyro
- org.apache.storm.spout:定义了spout和相关的接口
- org.apache.storm.task:定义了bolt和相关接口,TopologyContext也定义在这
- org.apache.storm.testing:包含了一系列的在单元测试中使用的测试bolts和工具
- org.apache.storm.topology:基于底层的Thrift结构的Java层,为storm提供一个整洁,纯java的API。
- org.apache.storm.transactional:事务拓扑的实现
- org.apache.sorm.tuple:storm的tuple数据模型的实现
- org.apache.storm.utils:代码库使用的数据结构和乱七八糟的工具
- Clojure namespaces
- org.apache.storm.bootstrap:包含了一个宏,可以导入整个代码库需要的各种类和命名空间
- org.apache.storm.clojure:为storm实现了Clojure DSL
- org.apache.storm.cluster:storm守护进程需要的zookeeper逻辑都封装在这个文件中。这个文件的代码,管理了集群的状态在zookeeper的文件系统中的描绘。
- org.apache.storm.command.*:为storm命令行客户端实现了多种的命令,都很短
- org.apache.storm.config:Clojure配置文件的读取和解析的代码。
- org.apache.storm.daemon.acker:acker bolt的实现,是storm保证数据处理的重要的部分。
- org.apache.storm.daemon.common:storm守护进程使用的通用函数的实现,比如,根据拓扑的名字获取拓扑的id等。
- org.apache.storm.daemon.drpc:DRPC server的实现
- org.apache.storm.daemon.nimbus:Nimbus的实现
- org.apache.storm.daemon.supervisor:Supervisor的实现
- org.apache.storm.daemon.task:spout和bolt的独立任务的实现
- org.apache.storm.daemon.worker:工作进程的实现
- org.apache.storm.event:实现一个异步的函数执行器。
- org.apache.storm.log:定义了往log4j中打日志的函数
- org.apache.storm.messaging.*:定义更高层次的接口实现点对点通信,本地模式使用基于内存的java queue,在集群上使用ZeroMQ,通用的接口被定义在protocol.clj中。
- org.apache.storm.stats:统计汇总例程的实现,将这些stats信息发送到zk在UI中显示
- org.apache.atorm.testing:测试拓扑的设施的实现
- org.apache.storm.thrift:包围着Thrift API的 Clojure Wrapper使得使用Thrift结构更加愉悦
- org.apache.storm.timer:后台计时器
- org.apache.storm.ui.*:Storm UI的实现
- org.apache.storm.util:整个代码库使用到的通用工具
- org.apache.storm.zookeeper:包含Zookeeper API的ClojureWrapper实现高层的例如mkdirs和delete recursive的操作。
时间: 2024-08-28 09:34:19