转载请注明出处：http://blog.csdn.net/beitiandijun/article/details/41577125
源地址：http://storm.apache.org/documentation/Guaranteeing-message-processing.html
Storm保证：每条离开spout的消息都可以得到"fullyprocessed"。本文描述了storm如何实现这种保证以及你如何能够从Storm这种可靠性能力中受益。
"fully processed"对消息意味着什么？
离开spout的一个tuple可能触发创建成百上千个基于它的tuples。例如，考虑一下streaming word count topology：
TopologyBuilder builder = newTopologyBuilder();
builder.setSpout( "sentence", newKestrelSpout("kestrel.backtype.com",
22133,
"sentence_queue",
newStringScheme()
)
);
builder.setBolt("split", newSplitSentence(), 10 )
.shufferGrouping("sententces");
builder.setBolt("count", newWordCount(), 20 )
.fieldsGrouping("split", newFields("word"));
上面的topology从Kestrel queue读取句子，将这些句子划分成词组，然后按照前面划分词组时统计的每个词的次数发送每个词。离开spout的某个tuple可能会触发创建很多基于它的tuples：句子中每个单词都会对应一个tuple，同时每个单词的次数也会对应一个tuple。消息的树状结构如下所示：
当tuple树状图产生并且树状图中每条消息都被处理过，Storm就认为离开spout的tuple已经被“fully processed”（完全处理）。可以使用Config.TOPOLOGY_MESSAGE_TIMEOUT_SECS配置
当消息完整处理或者处理失败的时候都发生了什么？
要理解这个问题，需要看一下tuple在离开spout之后的生命周期。作为参考，下面是spout实现的接口（更多接口信息需要查看Javadoc）。
public interface ISpout extendsSerializable {
voidopen（Map conf， TopologyContext context，SpoutOutputCollector collector）；
voidclose（）；
voidnextTuple（）；
voidack（Object msgId）；
voidfail（Object msgId）；
}
首先，Storm会通过Spout的nextTuple方法从Spout申请一个tuple。在open方法中，Spout使用此方法提供的SpoutOutputCollector去发射一个tuple到输出streams中去。当发射一个tuple时，Spout会提供一个“message id”，用来后面区分不同的tuple。例如， KestrelSpout从kestrel队列中读取消息，然后在发射时会将Kestrel为消息提供的id作为“message id”。发射一条消息到SpoutOutputCollector，如下所示：
_collector.emit(newValues("field1", "field2", 3), msgId);
然后，这个tuple会发送到消费bolts，同时Storm会跟踪已被创建的消息树状图。如果Storm检测到一个tuple已被“fully processed”， Storm将会原始的Spout task（即发射这个tuple的Spout）上调用ack方法，参数msgId就是这个Spout提供给Storm的“message id”。类似的，如果这个tuple超时了， Storm会在原始的Spout task上调用fail方法。注意， 一个tuple只能被创建它的Spouttask进行acked或者failed。因此，即使一个Spout在集群上正在执行很多tasks，一个tuple也只能被创建它的task进行acked或failed，而其他的task则不行。
再次使用KestrelSpout作为例子，看一下Spout是怎样保证消息处理的。当KestrleSpout从Kestrel 队列中拿出消息后，它将“opens”这个消息。这就意味着消息并不会真正被拿出队列，而是处于等待状态，即需要确认消息已被完整处理。当处于等待状态时，消息不会发送给队列的其他消费者。另外， 如果某个客户端与所有处于等待状态的消息（当然这些消息是提供给这个客户端的）断开连接，那这些消息会被放回到队列中。当消息一旦被打开， Kestrle会为客户端提供消息的数据内容以及一条唯一的id。 KestrelSpout在想SpoutOutputCollector发射tuple时，就需要使用上述id作为“message
id”。稍后， 当KestrleSpout调用ack或者fail方法时，KestrelSpout会发送一条ack或者fail的消息给Kestrel，当然，消息内容需要使用上面提到的“message id”作为区别，等Kestrel接到这条消息后才能确定是将消息真正拿出队列还是将它放回去。
Storm 可靠性API是哪些？
作为用户，想要从Storm的可靠能力中受益，你需要做两件事情。首先， 你需要告诉Storm，在tuples的树状图中，何时创建的新连接。其次， 你需要告诉storm，何时完成的单个tuple的 处理。 做完这些事情， Storm就可以检测tuple的树状图是否已被“fullyprocessed”，然后才可以对相应的spout tuple调用ack或者fail方法。 Storm AP提供可以同时做这两件事的简洁方法。
指定tuple树状图中新连接的方法称为anchoring。 anchoring在你发射新tuple时可以完成。下面将以一个bolt作为例子，这个bolt会将包含一个句子的tuple划分成包含每个词的tuple。
public class SplitSentence extendsBaseRichBolt {
OutputCollector_collector;
publicvoid prepare(Map conf, TopologyContext context, OutputCollector collectors) {
_collector= collector;
}
publicvoid execute(Tuple tuple){
Stringsentence = tuple.getString(0);
for(Stringword: sentence.split(" ")){
_collector.emit(tuple, new Values(word));
}
_collector.ack(tuple);
}
publicvoid declareOutputFields( OutputFieldDeclarer declarer）{
declarer.declare(new Fields（“word”））；
}
}
每个单词tuple在调用emit方法时，通过指定输入tuple作为emit方法的第一个参数这种方式，这个单词tuple就被anchored。一旦单词tuple被anchord，如果此tuple在后面处理时failed，那么树状图中根部的spout tuple稍后就会重新进行一次完整的处理。作为对比，可以看一下当单词tuple如下发射时会发生什么：
_collector.emit(new Values(word));
通过这种方式发射单词tuple会使它被anchored。如果tuple在后面处理时failed，根部tuple就不会重新处理。这取决于在topology中所使用容错性保证机制，某些时候可能发射unanchored的tuple更加合适。
一个输出tuple可能会被anchored到多个输入tuple。这在处理流合并或者流聚合时非常有用。 multi-anchored的tuple如果处理失败，则会引起多个tuples在spouts重新处理。multi-anchoring可以通过指定一系列tuples实现，而不是仅仅一个单独的tuple。例如：
List<Tuple> anchors = newArrayList<Tuple>();
anchors.add(tuple1);
anchors.add(tuple2);
_collector.emit( anchors. new Values(1, 2,3));
multi-anchoring会将输出tuple加到多个tuple树状图中。注意，multi-anchoring也可能会打破树状图，并且创建tuple DAGs，就像下面
就像实现树状图一样（前面说的是只能实现树状图，即“tuple tress”主干），Storm的同样实现DAGs。
Anchoring就是如何制定tuple tree----下一个也是最后一个有关Storm可靠性API，就是指定合适完成tuple树中某个tuple的处理。 这通过调用OutputCollector类的ack和fail方法完成。 如果回看SplitSentence例子， 可以看到， 输入tuple是在所有wordtuple发射之后才能被acked。
可以使用OutputCollector类的fail方法直接fail掉tuple树中根部的spout tuple。例如， 可以应用于选择捕捉数据库客户端异常并且显式的fail 输入tuple。通过显式的fail的方式，spout tuple可以在tuple超时之前就重新处理。
每个你处理的tuple都必须acked或者failed。 Storm使用内存跟踪每个tuple，因此如果你没有ack/fail 每个tuple， task 最终会溢出。
大量的bolts采用通用方式读取输入tuple，并发射输入tuple，然后在execute方法末尾会ack这个tuple。这些bolts按类别可以分为过滤器和执行简单的功能。Storm有一个称为BasicBolt的接口，它用来封装这些方式。 SplitSentence的例子可以如下：
public class SplitSentence extends BaseBasicBolt{
publicvoid execute （Tuple tuple， BasicOutputCollector collector）{
Stringsentence = tuple.getString(0);
for（ Stringword: sentence.split(" ")){
collector.emit( newValues(word));
}
}
publicvoid declareOutputFields( outputFieldsDeclarer declarer) {
declarer.declare(new Fields("word");
}
}
这个实现要比前面的实现简单，并且语义上是相同的。发射给BasicOutputCollector 的tuple会自动anchored到输入tuple，同时当execute方法完成时，输入tuple将同时自动被acked。
相比之下，做聚合或者合并的bolts会延迟ack一个tuple，直到bolts已经从这个tuple所在tuples范围内获得聚合或者合并结果后，才能ack。聚合和合并将通常对它们输出的tuples使用multi-anchor的方式。上述操作均不属于IBasicBolt的简单方式。
怎样使这些应用（需要重新处理tuples）正常工作？
就像通常的软件设计，答案是“it depends”。 Storm 0.7.0 引入了“transactional topologies”特征，使得你在大多数计算下，可以获得一次具有容错性能的完整消息传递语义。 更多有关transactionaltopologies信息请阅读这里。
Storm以一种有效的方式实现可靠性？
Storm topology 有一系列特定的“acker”任务，它们可以跟踪每个spouttuple的DAG。当acker确认DAG完整处理了，它会给spout task发送消息，而这个spout task就是创建tuple并等待ack消息的task。你可以在topology配置选项中设置topology中acker tasks数目，具体配置选项为Config.TOPOLOGY_ACKERS. Storm默认TOPOLOGY_ACKERS是1个task-----一旦你需要处理大量的数据，你需要提高这个值。
理解Storm可靠性具体实现的最好方式就是查看tuples以及tuples DAGs的生命周期。当topology中创建tuple时，无论是在spout还是bolt中，它都会获得一个随机的64 bit 的id。这些ids由ackers用来跟踪tuple DAG中每个spout tuple。
每个tuple都知道它所在tuple树中所有spout tuples的ids。当bolt发射新tuple时，来自tuple‘s anchors中的spout tuple ids就会拷贝到新tuple中去。当一个tuple被acked时，它会发送有关tuple变化信息给相应的acker tasks。特别是，它会告诉acker：在当前spout tuple树中，一个tuple已经处理完毕，同时输出树中新的tuple，当然这个新tuple 是anchored处理完毕的那个tuple。
例如， tuples “D”和“E”是以tuple “C”为基础创建的，这就是当“C”被acked的时候，树状图发生的变化。
当“C”从树中移除时，同一时刻，“D”和“E”会加到树中。树永远不能过早的结束。
还有一些细节需要说一下，即有关Storm如何追踪tuple树的。就像上面已经提到的，你在topology中可能有任意数量的acker tasks。这会引起下面的问题：当topology中一个tuple被acked时候，它是如何知道应该向那个acker task发送信息。
Storm使用模运算hash来映射spouttuple id和acker task。因为每个tuple都会携带它的spout tuple id（无论它在哪个树中，都是一样的），这样tuple就知道了应该和哪个acker tasks通信。
上面是讲了Storm 的acker tasks是如何跟踪每一个spout tuple的，即通过tuple id 和acker task之间的hash映射。
Storm的另外一个细节时： acker tasks是如何跟踪spouttasks的。当spout task发射一个新tuple时，它会发送一个简单的消息通知相应acker，并告诉它负责发送这个spout tuple的task id。然后，当一个acker发现某个树已经结束了，它就会知道是哪个task id发送的结束消息。
acker tasks不是显式的跟踪tuples的树。 对于大规模的tuple 树，例如包含成千上万个节点甚至更多的树， 追踪所有的tuple树会耗尽内存。ackers会采取不同策略： 每个spout tuple只需要一个固定数量的空间（大约20个字节）。这种追踪算法是Storm如何工作的关键并且也是其主要技术突破之一。
acker task中存放了一个spout tuple id和一对值的映射。 第一个值就是创建这个spouttuple的task id，它稍后会用来发送结束消息。第二值就是称为“ack val”的64bit数字。 ack val代表了整个tuple树的状态，无论多大还是多小。它是树中所有tuple ids的简单异或，包括已被才创建或者已被acked的tuple。
acker task当发现一个“ack val”已经变为0， 它就会知道tuple树已经结束了。 因为tuple ids都是64bit的随机数， “ack val”意外变成0的概率极其小。 如果使用数学计算一下就会发现， 每秒钟10k acks， 那么每5000万年才可能出现一次失误。 即使出现失误， 如果tuple在topology中遇到fail时也仅仅会引起数据丢失。
现在你已经知道了可靠性算法，下面浏览一下各种失败情况下Storm怎样避免数据丢失：
l a tuple isn‘t acked because task died：即因task死掉而造成tuple不能acked； 这种情况下， 引起failed的tuple所在树的根节点的spouttuple ids会因超时而重新处理。
l acker task dies：因acker task 死掉造成tuple不能acked；这种情况下， 这个acker task跟踪的所有spouttuples都会因超时而重新处理。
l Spout task dies：因spout task死掉造成tuple不能acked；这种情况下，spout获取数据的数据源应该负责重新处理数据。例如， 向Kestrel和RabbiMQ的队列将在客户端失联的情况下重新把所有等待的数据放回队列中。
如你所看，Storm的可靠性机制是完全分布式的、可伸缩的、并且是容错的。
调优可靠性
Acker task是轻量级的，因此在topology中并不需要很多。 可以使用Storm UI（即组件id“__acker"）跟踪他们的性能。如果吞吐量看起来不大对， 可能需要增加ackertasks。
如果可靠性对你而言不是那么重要----即，你不必担心失败情况下会损失tuples-------那么你可以放弃追踪spout tuples的树，从而改善性能。不追踪tuple树的话，可以减少一半的消息传递，因为通常没法送一个tuple就会发送一条ack消息；另外，不追踪tuple树的话，还可以减少每个下游tuple处理需要保存ids，并减少带宽消耗。
三种方式可以放弃使用可靠性：
第一种方式是设置Config.TOPOLOGY_ACKER为0；这种情况下， Storm在spout发送一个tuple之后直接调用ack方法，这样一来，就不会最终tuple树了。
第二种方式是使用消息的基本设置。SpoutOutputCollector.emit方法会发射单个tuple，你可以通过这种方法的设置关闭对tuple的追踪。
第三种方式是，如果topology中tuples下游中某个特定子集处理失败，而你又不关心这个，那你可以将这些特定子集作为unanchored的tuples发送。因为他们没有anchored到任何spout tuples，如果这些tuples没有被acked，也就不会引起任何spout tuples作为失败处理的。