Apache-Storm 集群

【【【 storm  】】】

一、Apache Storm简介

  Storm是一个分布式的，可靠的，容错的数据流处理系统。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。一个Storm集群就是在一连串的bolt之间转换spout传过来的数据。

  1、Storm组件

在Storm集群中、有两类节点：主节点master node和工作节点worker nodes。主节点运行Nimbus守护进程，这个守护进程负责在集群中分发代码，为工作节点分配任务，并监控故障。Supervisor守护进程作为拓扑的一部分运行在工作节点上。一个Storm拓扑结构在不同的机器上运行着众多的工作节点。每个工作节点都是topology中一个子集的实现。而Nimbus和Supervisor之间的协调则通过Zookeeper系统或者集群。

  2、Zookeeper

Zookeeper是完成Supervisor和Nimbus之间协调的服务。而应用程序实现实时的逻辑则被封装进Storm中的“topology”。topology则是一组由Spouts（数据源）和Bolts（数据操作）通过Stream Groupings进行连接的图。

  3、Spout

Spout从来源处读取数据并放入topology。Spout分成可靠和不可靠两种；当Storm接收失败时，可靠的Spout会对tuple（元组，数据项组成的列表）进行重发；而不可靠的Spout不会考虑接收成功与否只发射一次。而Spout中最主要的方法就是nextTuple（），该方法会发射一个新的tuple到topology，如果没有新tuple发射则会简单的返回。

  4、Bolt

Topology中所有的处理都由Bolt完成。Bolt从Spout中接收数据并进行处理，如果遇到复杂流的处理也可能将tuple发送给另一个Bolt进行处理。而Bolt中最重要的方法是execute（），以新的tuple作为参数接收。不管是Spout还是Bolt，如果将tuple发射成多个流，这些流都可以通过declareStream（）来声明。

  5、Stream Groupings

Stream Grouping定义了一个流在Bolt任务中如何被切分。

1. 1. Shuffle grouping：随机分发tuple到Bolt的任务，保证每个任务获得相等数量的tuple。
   2. Fields grouping：根据指定字段分割数据流，并分组。例如，根据“user-id”字段，相同“user-id”的元组总是分发到同一个任务，不同“user-id”的元组可能分发到不同的任务。
   3. Partial Key grouping：根据指定字段分割数据流，并分组。类似Fields grouping。
   4. All grouping：tuple被复制到bolt的所有任务。这种类型需要谨慎使用。
   5. Global grouping：全部流都分配到bolt的同一个任务。明确地说，是分配给ID最小的那个task。
   6. None grouping：无需关心流是如何分组。目前，无分组等效于随机分组。但最终，Storm将把无分组的Bolts放到Bolts或Spouts订阅它们的同一线程去执行（如果可能）。
   7. Direct grouping：这是一个特别的分组类型。元组生产者决定tuple由哪个元组处理者任务接收。
   8. Local or shuffle grouping：如果目标bolt有一个或多个任务在同一工作进程，tuples 会打乱这些进程内的任务。否则,这就像一个正常的 Shuffle grouping。

二、Apache-strom 必须要求Python 2.6以上

  1、升级 Python 官方下载地址：

https://www.python.org/ftp/python/

wget http://www.python.org/ftp/python/2.7.6/Python-2.7.6.tgz

wget https://www.python.org/ftp/python/3.6.0/Python-3.6.0.tgz

# tar -xf Python-3.6.0.tgz

# mv Python-3.6.0 /usr/local/python

# cd /usr/local/python

# ./configure --prefix=/usr/local/python

# make 

# make install

# mv /usr/bin/python /usr/bin/python_old

# ln -s /usr/local/python/bin/python3.6 /usr/bin/python

# python -V

  2、如发现yum 异常则, 编辑 /etc/bin/yum 文件

将文件头部的

#!/usr/bin/python

改为如下内容:

#!/usr/bin/python2.6

   三、storm 安集群配置；

1. 1.     系统：Centos6.7
   2.     内核：2.6.32-573.el6.x86_64
   3.     安装目录：/opt/storm
   4.     数据日志目录：/opt/storm/{data,logs}
   5.     用户组权限：deploy
   6. 机器hostname需要在hosts里面配置关系映射:

    zoo1 - 10.207.101.101

    zoo2 - 10.207.101.102

    zoo3 - 10.207.101.103

    集群说明

1. 1.   主节点(nimbus)    zks1  
   2.   任务节点(supervisor)  zks2  zks3 等

注：storm主节点、任务节点安装配置完全一致。

1、下载安装配置：官方下载地址：

http://mirrors.hust.edu.cn/apache/storm/

http://www-eu.apache.org/dist/storm/apache-storm-1.0.3/apache-storm-1.0.3.tar.gz

http://mirrors.hust.edu.cn/apache/storm/apache-storm-1.0.2/apache-storm-1.0.2.tar.gz

# tar -xf apache-storm-1.0.2.tar.gz

# cd apache-storm

# cat apache-storm-0.9.6/conf/storm.yaml |grep -v ^# |grep -v ^$

 storm.zookeeper.servers:

     - "10.207.101.101"

     - "10.207.101.102"

     - "10.207.101.103"

 nimbus.host: "10.207.101.101"

 storm.zookeeper.port: 2181

 ui.port: 8090

 storm.local.dir: "/opt/apache-storm-0.9.6/data"

 supervisor.slots.ports:

     - 6700

     - 6701

     - 6702

     - 6703

     - 6704

 worker.childopts: "-Xmx2g"

 logviewer.port: 18090

 topology.max.spout.pending: 1000

 topology.message.timeout.secs: 300

 storm.messaging.netty.server_worker_threads: 10

    2、主节点启动测验：

    启动nimbus

# nohup ./bin/storm nimbus >/dev/null 2>&1 &

    启动 UI

# nohup ./bin/storm ui >/dev/null 2>&1 &

    3、任务节点启动脚步

    # ps -ef|grep storm 

    # netstat -ano |grep 8090