Apache - Storm

Posted 2020-10-30 Weblog

一、Apache Storm
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。

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。
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。
Partial Key grouping：根据指定字段分割数据流，并分组。类似Fields grouping。
All grouping：tuple被复制到bolt的所有任务。这种类型需要谨慎使用。
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。
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）。
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。
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 /usr/bin/yum 文件

将文件头部的
#!/usr/bin/python
改为以下:（因为系统默认是2.6）
#!/usr/bin/python2.6

三、storm 安集群配置；(具体根据线上环境资源进行设置)

系统：Centos6.7
内核：2.6.32-573.el6.x86_64
安装目录：/opt/storm
数据日志目录：/opt/storm/{data,logs}
用户组权限：deploy
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

四、集群说明

主节点(nimbus)
zks1 
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"

# worker.heap.memory.mb: 2048
/** 调整分配给每个 worker 的内存，关于内存的调节，上文已有描述 */

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

# cat supervisor_logviewer.sh

nohup ./bin/storm supervisor >/dev/null 2>&1 &
nohup ./bin/storm logviewer >/dev/null 2>&1 &

　　4、进程检测

# ps -ef|grep storm 
# netstat -ano |grep 8090

wKioL1j7QCmz-bBgAAEEFLYWMiA134.jpg-wh_50