JStorm第一个程序WordCount详解

Posted chen-kh

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了JStorm第一个程序WordCount详解相关的知识,希望对你有一定的参考价值。

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,被启动的时候表现为一个JVM进程(内存更改需要配置storm.yaml里面的worker.childopts: "-Xmx2048m"参数),里面可以同时运行多个线程,这些线程就是task。
  • Tuple是spout与bolt、bolt与bolt之间传递消息(流)的基本单元,对于Storm来说是一个无边界的链表,每个值要事先声明它的域(field)
  • task是spout和bolt执行的最小单元。
  • 下面的结构图显示了各个component之间的关系

图片来自:http://www.cnblogs.com/foreach-break/p/storm_worker_executor_spout_bolt_simbus_supervisor_mk-assignments.html

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CountBolt,接收第一层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
重要方法和参数解释:
  • setSpout,setBolt,shuffleGrouping——见代码注释和之后的Grouping方式介绍
  • setNumWorkers——设置worker数量,每个worker占用一个端口(storm.yaml里面的supervisor.slots.ports配置)
  • setNumTasks——设置每个executor跑多少个task(本实例中没有配置这个参数,jstorm默认每个executor跑一个task[spout/bolt])
  • setMaxTaskParallelism——设置此拓扑中组件允许的最大并行度。(此配置通常用于测试以限制所生成的线程数)
 1 package act.chenkh.study.jstormPlay;
 2 
 3 import java.io.File;
 4 
 5 import backtype.storm.Config;
 6 import backtype.storm.LocalCluster;
 7 import backtype.storm.StormSubmitter;
 8 import backtype.storm.topology.TopologyBuilder;
 9 import backtype.storm.tuple.Fields;
10 
11 public class WordCountTopology {
12     public static void main(String[] args) throws Exception {
13         /**第一步,设计一个Topolgy*/
14         TopologyBuilder builder = new TopologyBuilder();
15         /*
16          * 设置spout和bolt,完整参数为
17          * 1,spout的id(即name)
18          * 2,spout对象
19          * 3,executor数量即并发数,也就是设置多少个executor来执行spout/bolt(此项没有默认null)
20          */
21         //setSpout
22         builder.setSpout("sentence-spout",new RandomSentenceSpout(),1);
23         //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
24         //如果想要从多个Bolt获取数据,可以继续设置grouping
25         builder.setBolt("split-bolt", new SplitBolt(),1)
26             .shuffleGrouping("sentence-spout");
27         builder.setBolt("count-bolt", new CountBolt(),1)
28             .fieldsGrouping("split-bolt", new Fields("word"))
29             .fieldsGrouping("sentence-spout",new Fields("word"));
30         /**第二步,进行基本配置*/  
31         Config conf = new Config();
32         //作用和影响???????????
33         conf.setDebug(true);
34         if (args != null && args.length > 0) {
35             conf.setNumWorkers(1);
36             StormSubmitter.submitTopology(args[0], conf, builder.createTopology());
37             }
38         else {
39             /*
40              * run in local cluster, for test in eclipse.
41              */
42             conf.setMaxTaskParallelism(3);
43             LocalCluster cluster = new LocalCluster();  
44             cluster.submitTopology("Getting-Started-Toplogie", conf, builder.createTopology());  
45             Thread.sleep(Integer.MAX_VALUE);  
46             cluster.shutdown();  
47         }
48     }
49 }
View Code
1,RandomSentenceSpout类:产生数据
重要方法和参数解释:
  • open——spout初始化调用
  • nextTuple——系统不断调用
  • declareOutputFields——声明输出tuple包含哪些字段
 1 package act.chenkh.study.jstormPlay;
 2 
 3 import java.util.Map;
 4 import java.util.Random;
 5 
 6 import org.apache.log4j.Logger;
 7 import backtype.storm.spout.SpoutOutputCollector;
 8 import backtype.storm.task.TopologyContext;
 9 import backtype.storm.topology.IRichSpout;
10 import backtype.storm.topology.OutputFieldsDeclarer;
11 import backtype.storm.tuple.Fields;
12 import backtype.storm.tuple.Values;
13 import backtype.storm.utils.Time;
14 import backtype.storm.utils.Utils;
15 /*
16  * RandomSentenceSpout实现了IRichSpout接口
17  * Spout需要实现的接口可以是:
18  *    1,IRichSpout:最基本的Spout,继承自ISpout, IComponent,沒有任何特殊方法(一般用这个)
19  *    2,IControlSpout:继承自IComponent,包括open,close,activate,deactivate,nextTuple,ack(Object msgId),fail等方法
20  */
21 public class RandomSentenceSpout implements IRichSpout {
22     
23     /**
24      * 
25      */
26     private static final long serialVersionUID = 4058847280819269954L;
27     private static final Logger logger = Logger.getLogger(RandomSentenceSpout.class);
28     SpoutOutputCollector _collector;
29     Random _rand;
30     String component;
31     /*
32      * Spout初始化的时候调用
33      */
34     public void open(Map conf, TopologyContext context, SpoutOutputCollector collector){
35         _collector = collector;
36         _rand = new Random();
37         component = context.getThisComponentId();
38     }
39     /*
40      * 系统框架会不断调用
41      */
42     public void nextTuple() {
43         String[] sentences = new String[] { "Hello world! This is my first programme of JStorm",
44                 "Hello JStorm,Nice to meet you!", "Hi JStorm, do you have a really good proformance",
45                 "Goodbye JStorm,see you tomorrow" };
46         String sentence = sentences[_rand.nextInt(sentences.length)];
47         _collector.emit(new Values(sentence), Time.currentTimeSecs());
48         Utils.sleep(1000);
49     }
50     @Override
51     public void ack(Object arg0) {
52         logger.debug("ACK!");
53     }
54 
55     public void activate() {
56         logger.debug("ACTIVE!");
57     }
58 
59     public void close() {
60 
61     }
62 
63     public void deactivate() {
64 
65     }
66 
67     public void fail(Object arg0) {
68         logger.debug("FAILED!");
69     }
70     /*
71      * 声明框架有哪些输出的字段
72      */
73     public void declareOutputFields(OutputFieldsDeclarer declarer) {
74         declarer.declare(new Fields("word"));
75     }
76 
77     public Map<String, Object> getComponentConfiguration() {
78         return null;
79     }
80 
81 }
View Code

2,SplitBolt类:接收上层tuple,进行split,分发给下一层

重要方法和参数解释:

  • cleanup,execute,prepare,declareOutputFields——见代码注释
 1 package act.chenkh.study.jstormPlay;
 2 
 3 import java.util.Map;
 4 
 5 //import org.slf4j.Logger;
 6 //import org.slf4j.LoggerFactory;
 7 
 8 import org.apache.log4j.Logger;
 9 
10 import backtype.storm.task.TopologyContext;
11 import backtype.storm.topology.BasicOutputCollector;
12 import backtype.storm.topology.OutputFieldsDeclarer;
13 import backtype.storm.topology.base.BaseBasicBolt;
14 import backtype.storm.tuple.Fields;
15 import backtype.storm.tuple.Tuple;
16 import backtype.storm.tuple.Values;
17 /*
18  * 
19  * IBasicBolt:继承自IComponent,包括prepare,execut,cleanup等方法
20  */
21 public class SplitBolt extends BaseBasicBolt {
22     /**
23      * 
24      */
25     private static final long serialVersionUID = 7104767103420386784L;
26     private static final Logger logger = Logger.getLogger(SplitBolt.class);
27     String component;
28     /* cleanup方法在bolt被关闭的时候调用, 它应该清理所有被打开的资源。(基本只能在local mode使用)
29      * 但是集群不保证这个方法一定会被执行。比如执行task的机器down掉了,那么根本就没有办法来调用那个方法。 
30      * cleanup设计的时候是被用来在local mode的时候才被调用(也就是说在一个进程里面模拟整个storm集群), 
31      * 并且你想在关闭一些topology的时候避免资源泄漏。
32      * (非 Javadoc)
33      * @see backtype.storm.topology.base.BaseBasicBolt#cleanup()
34      */
35     public void cleanup() {
36 
37     }
38     //接收消息之后被调用的方法
39     public void execute(Tuple input,BasicOutputCollector collector) {
40         String sentence = input.getString(0);
41         String[] words = sentence.split("[,|\\\\s+]");
42         for(String word : words){
43             word = word.trim();
44             if(!word.isEmpty()){
45                 word = word.toLowerCase();
46                 collector.emit(new Values(word));
47             }
48         }
49     }
50     /*
51      * prepare方法在worker初始化task的时候调用. 
52      * 
53      * prepare方法提供给bolt一个Outputcollector用来发射tuple。
54      * Bolt可以在任何时候发射tuple — 在prepare, execute或者cleanup方法里面, 或者甚至在另一个线程里面异步发射。
55      * 这里prepare方法只是简单地把OutputCollector作为一个类字段保存下来给后面execute方法 使用。
56      */
57     
58     public void prepare(Map stromConf, TopologyContext context) {
59         component = context.getThisComponentId();
60     }
61 
62     /*
63      * declearOutputFields方法仅在有新的topology提交到服务器, 
64      * 用来决定输出内容流的格式(相当于定义spout/bolt之间传输stream的name:value格式), 
65      * 在topology执行的过程中并不会被调用.
66      * (非 Javadoc)
67      * @see backtype.storm.topology.IComponent#declareOutputFields(backtype.storm.topology.OutputFieldsDeclarer)
68      */
69     public void declareOutputFields(OutputFieldsDeclarer declarer) {
70         declarer.declare(new Fields("word"));
71     }
72 }
View Code

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 }
View Code

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。
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     }
View Code

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

 

 

以上是关于JStorm第一个程序WordCount详解的主要内容,如果未能解决你的问题,请参考以下文章

Storm编程之wordcount(kafka--》Jstorm--》redis)

Hadoop- Wordcount程序原理及代码实现

Hadoop集群(第6期)_WordCount运行详解

Hadoop集群(第6期)_WordCount运行详解

Hadoop 6第一个mapreduce程序 WordCount

wordcount代码实现详解