storm - 可靠机制

一可靠性简单介绍

Storm的可靠性是指Storm会告知用户每个消息单元是否在一个指定的时间(timeout)内被全然处理。

全然处理的意思是该MessageId绑定的源Tuple以及由该源Tuple衍生的全部Tuple都经过了Topology中每个应该到达的Bolt的处理。

注: timetout
能够通过Config.TOPOLOGY_MESSAGE_TIMEOUT_SECS 来指定

Storm中的每个Topology中都包括有一个Acker组件。Acker组件的任务就是跟踪从某个task中的Spout流出的每个messageId所绑定的Tuple树中的全部Tuple的处理情况。假设在用户设置的最大超时时间内这些Tuple没有被全然处理，那么Acker会告诉Spout该消息处理失败。相反则会告知Spout该消息处理成功,它会分别调用Spout中的fail和ack方法。

Storm同意用户在Spout中发射一个新的源Tuple时为其指定一个MessageId，这个MessageId能够是随意的Object对象。多个源Tuple能够共用同一个MessageId，表示这多个源Tuple对用户来说是同一个消息单元，它们会被放到同一棵tuple树中。例如以下图所看到的:

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmd6aGVianV0/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">

content=#" style="">

Tuple 树

在Spout中由message 1绑定的tuple1和tuple2分别经过bolt1和bolt2的处理。然后生成了两个新的Tuple，并终于流向了bolt3。当bolt3处理完之后，称message 1被全然处理了。

二 Acker 原理分析

storm里面有一类特殊的task称为acker（acker bolt），负责跟踪spout发出的每个tuple的tuple树。当acker发现一个tuple树已经处理完毕了。它会发送一个消息给产生这个tuple的那个task。你能够通过Config.TOPOLOGY_ACKERS来设置一个topology里面的acker的数量，
默认值是1。假设你的topology里面的tuple比較多的话，那么把acker的数量设置多一点。效率会高一点。

理解storm的可靠性的最好的方法是来看看tuple和tuple树的生命周期，当一个tuple被创建。无论是spout还是bolt创建的。它会被赋予一个64位的id，而acker就是利用这个id去跟踪全部的tuple的。

每一个tuple知道它的祖宗的id(从spout发出来的那个tuple的id),
每当你新发射一个tuple，它的祖宗id都会传给这个新的tuple。

所以当一个tuple被ack的时候，它会发一个消息给acker。告诉它这个tuple树发生了怎么样的变化。详细来说就是它告诉acker: 我已经完毕了，我有这些儿子tuple, 你跟踪一下他们吧。

(spout-tuple-id, tmp-ack-val)

tmp-ark-val = tuple-id ^ (child-tuple-id1 ^ child-tuple-id2 ... )

tmp-ack-val是要ack的tuple的id与由它新创建的全部的tuple的id异或的结果

当一个tuple须要ack的时候。它究竟选择哪个acker来发送这个信息呢？

storm使用一致性哈希来把一个spout-tuple-id相应到acker，由于每个tuple知道它全部的祖宗的tuple-id。所以它自然能够算出要通知哪个acker来ack。

注：一个tuple可能存在于多个tuple树，全部可能存在多个祖宗的tuple-id

acker是怎么知道每个spout tuple应该交给哪个task来处理?

当一个spout发射一个新的tuple。它会简单的发一个消息给一个合适的acker，而且告诉acker它自己的id(taskid)，这样storm就有了taskid-tupleid的相应关系。当acker发现一个树完毕处理了，它知道给哪个task发送成功的消息。

Acker的高效性

acker
task并不显式的跟踪tuple树。

对于那些有成千上万个节点的tuple树，把这么多的tuple信息都跟踪起来会耗费太多的内存。相反， acker用了一种不同的方式，使得对于每一个spout tuple所须要的内存量是恒定的（20 bytes) . 这个跟踪算法是storm怎样工作的关键，而且也是它的主要突破。

一个acker task存储了一个spout-tuple-id到一对值的一个mapping。

这个对子的第一个值是创建这个tuple的taskid，这个是用来在完毕处理tuple的时候发送消息用的。第二个值是一个64位的数字称作：ack val,
ack val是整个tuple树的状态的一个表示，无论这棵树多大。

它仅仅是简单地把这棵树上的全部创建的tupleid/ack的tupleid一起异或(XOR)。

当一个acker
task 发现一个 ack val变成0了。它知道这棵树已经处理完毕了。

比例如以下图是一个简单的Topology。

content=#" style="">

一个简单的
Topology

ack_val的初值为0，varl_x表示新产生的tuple id ,它们经过Spout,Bolt1,Bolt2,Bolt3 处理，并与arv_val异或，终于arv_val变为0，表示tuple1被成功处理。

以下看一个略微复杂一点的样例：

content=#" style="">

注：红色虚线框表示的是Acker组件。ack_val表示acker value的值，它的初值为0

msg1绑定了两个源tuple，它们的id分别为1001和1010.在经过Bolt1处理后新生成了tuple id为1110,新生成的tuple与传入的tuple 1001进行异或得到的值为0111，然后Bolt1通过spout-tuple-id映射到指定的Acker组件，向它发送消息。Acker组件将Bolt1传过来的值与ack_val异或，更新ack_val的值变为了0100。与此同样经过Bolt2处理后，ack_val的值变为0001。最后经Bolt3处理后ack_val的值变为了0。说明此时由msg1标识的Tuple处理成功，此时Acker组件会通过事先绑定的task
id映射找到相应的Spout,然后调用该Spout的ack方法。

其流程例如以下图所看到的：

content=#" style="">

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmd6aGVianV0/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">

注：1. Acker (ack bolt)组件由系统自己主动产生。一般来说一个topology仅仅有一个ack bolt（当然能够通过配置參数指定多个),当bolt处理并下发完tuple给下一跳的bolt时，会发送一个ack给ack
bolt。

ack bolt通过简单的异或原理(即同一个数与自己异或结果为零)来判定从spout发出的某一个Tuple是否已经被全然处理完成。

假设结果为真，ack bolt发送消息给spout，spout中的ack函数被调用并运行。

假设超时，则发送fail消息给spout，spout中的fail函数被调用并运行。spout中的ack和fail的处理逻辑由用户自行填写。

2. Acker对于每一个Spout-tuple保存一个ack-val的校验值，它的初始值是0，然后每发射一个tuple
就ack一个tuple。那么tuple的id都要跟这个校验值异或一下，而且把得到的值更新为ack-val的新值。

那么如果每一个发射出去的tuple都被ack了，那么最后ack-val一定是0(由于一个数字跟自己异或得到的值是0)。

A xor A = 0.

A xor B…xor B xor A = 0。当中每个操作数出现且仅出现两次。

3. tupleid是随机的64位数字， ack val碰巧变成0(比如：ark_val = 1 ^ 2 ^ 3 = 0)而不是由于全部创建的tuple都完毕了,这种概率极小。算一下就知道了，
就算每秒发生10000个ack，那么须要50000000万年才可能碰到一个错误。并且就算碰到了一个错误，也仅仅有在这个tuple失败的时候才会造成数据丢失。

看看storm在每种异常情况下是怎么避免数据丢失的：

1. 因为相应的task挂掉了，一个tuple没有被ack： storm的超时机制在超时之后会把这个tuple标记为失败，从而能够又一次处理。

2. Acker挂掉了：这样的情况下由这个acker所跟踪的全部spout
tuple都会超时，也就会被又一次处理。

3.
Spout挂掉了：在这样的情况下给spout发送消息的消息源负责又一次发送这些消息。比方Kestrel和RabbitMQ在一个client断开之后会把全部”处理中“的消息放回队列。

就像你看到的那样。 storm的可靠性机制是全然分布式的，可伸缩的而且是高度容错的。

三 Acker 编程接口

在Spout中，Storm系统会为用户指定的MessageId生成一个相应的64位的整数。作为整个Tuple Tree的RootId。RootId会被传递给Acker以及兴许的Bolt来作为该消息单元的唯一标识。同一时候，不管Spout还是Bolt每次新生成一个Tuple时，都会赋予该Tuple一个唯一的64位整数的Id。

当Spout发射完某个MessageId相应的源Tuple之后，它会告诉Acker自己发射的RootId以及生成的那些源Tuple的Id。

而当Bolt处理完一个输入Tuple并产生出新的Tuple时，也会告知Acker自己处理的输入Tuple的Id以及新生成的那些Tuple的Id。Acker仅仅须要对这些Id进行异或运算，就能推断出该RootId相应的消息单元是否成功处理完毕了。

以下这个是spout要实现的接口:

     public interface ISpout extends Serializable {

     void open(Map conf, TopologyContext context,

              SpoutOutputCollector collector);

      void close();

      void nextTuple();

      void ack(Object msgId);

      void fail(Object msgId);

    }

首先storm通过调用spout的nextTuple方法来获取下一个tuple,
Spout通过open方法參数里面提供的SpoutOutputCollector来发射新tuple到它的当中一个输出消息流, 发射tuple的时候spout会提供一个message-id, 后面通过这个message-id来追踪这个tuple。

this.collector.emit(new Values("hello world"),msgId);

注：msgId是提供给Acker组件使用的,Acker组件使用msgId来跟踪Tuple树

接下来。这个发射的tuple被传送到消息处理者bolt那里， storm会跟踪由此所产生的这课tuple树。假设storm检測到一个tuple被全然处理了，那么storm会以最開始的那个message-id作为參数去调用消息源的ack方法；反之storm会调用spout的fail方法。

值得注意的是。
storm调用ack或者fail的task始终是产生这个tuple的那个task。所以假设一个spout被分成非常多个task来运行。消息运行的成功失败与否始终会通知最開始发出tuple的那个task。

作为storm的使用者。有两件事情要做以更好的利用storm的可靠性特征。

首先。在你生成一个新的tuple的时候要通知storm;
其次，完毕处理一个tuple之后要通知storm。这样storm就能够检測整个tuple树有没有完毕处理。而且通知源spout处理结果。storm提供了一些简洁的api来做这些事情。

由一个tuple产生一个新的tuple称为：anchoring。你发射一个新tuple的同一时候也就完毕了一次anchoring。看以下这个样例：
这个bolt把一个包括一个句子的tuple切割成每一个单词一个tuple。

  public class SplitSentence implements IRichBolt {

        OutputCollector _collector;

        public void prepare(Map conf,

                         TopologyContext context,

                         OutputCollector collector) {

              _collector = collector;

        }

        public void execute(Tuple tuple) {

                String sentence = tuple.getString(0);

                for(String word: sentence.split(" ")) {

                      _collector.emit(tuple,new Values(word));

                }

             _collector.ack(tuple);

        }

       publicvoid cleanup() {}

       publicvoid declareOutputFields(OutputFieldsDeclarer declarer) {

                  declarer.declare(newFields("word"));

       }

   }

看一下这个execute方法， emit的第一个參数是输入tuple。第二个參数则是输出tuple，这事实上就是通过输入tuple anchoring了一个新的输出tuple。由于这个“单词tuple”被anchoring在“句子tuple”一起，假设当中一个单词处理出错，那么这整个句子会被又一次处理。作为对照，我们看看假设通过以下这行代码来发射一个新的tuple的话会有什么结果。

_collector.emit(new Values(word));

用这样的方法发射会导致新发射的这个tuple脱离原来的tuple树(unanchoring), 假设这个tuple处理失败了，整个句子不会被又一次处理。一个输出tuple能够被anchoring到多个输入tuple。这样的方式在stream合并或者stream聚合的时候非常实用。一个多入口tuple处理失败的话，那么它相应的全部输入tuple都要又一次运行。

看看以下演示怎么指定多个输入tuple:

List<Tuple> anchors =
new ArrayList<Tuple>();

anchors.add(tuple1);

anchors.add(tuple2);

_collector.emit(anchors,new Values(1,2,3));

多

我们通过anchoring来构造这个tuple树，最后一件要做的事情是在你处理完这个tuple的时候告诉storm, 通过OutputCollector类的ack和fail方法来做，假设你回过头来看看SplitSentence的样例，
你能够看到“句子tuple”在全部“单词tuple”被发出之后调用了ack。

你能够调用OutputCollector 的fail方法去立即将从消息源头发出的那个tuple标记为fail。比方你查询了数据库，发现一个错误，你能够立即fail那个输入tuple。这样能够让这个tuple被高速的又一次处理，
由于你不须要等那个timeout时间来让它自己主动fail。

每一个你处理的tuple，
必须被ack或者fail。由于storm追踪每个tuple要占用内存。所以假设你不ack/fail每个tuple。那么终于你会看到OutOfMemory错误。

大多数Bolt遵循这种规律：读取一个tuple；发射一些新的tuple。在execute的结束的时候ack这个tuple。这些Bolt往往是一些过滤器或者简单函数。Storm为这类规律封装了一个BasicBolt类。假设用BasicBolt来做，上面那个SplitSentence能够改写成这样：

       <pre name="code" class="java"> publicclass SplitSentence implements IBasicBolt {

        public void prepare(Map conf,

                            TopologyContext context) {

           }

        public void execute(Tuple tuple,

                            BasicOutputCollector collector) {

                  String sentence = tuple.getString(0);

                  for(String word: sentence.split(" ")) {

                    collector.emit(newValues(word));

                  }

       }

        publicvoid cleanup() {}

        publicvoid declareOutputFields(

                        OutputFieldsDeclarer declarer) {

            declarer.declare(newFields("word"));

        }

    }

这个实现比之前的实现简单多了。可是功能上是一样的，发送到BasicOutputCollector的tuple会自己主动和输入tuple相关联，而在execute方法结束的时候那个输入tuple会被自己主动ack的。

作为对照，处理聚合和合并的bolt往往要处理一大堆的tuple之后才干被ack，而这类tuple通常都是多输入的tuple。所以这个已经不是IBasicBolt能够罩得住的了。

注：当一个Tuple处理失败的时候，storm不会自己主动的重发该tuple，须要用户自己来编写逻辑又一次处理fail掉的Tuple,能够将其放入一个列表中。在nextTuple()中获取这些失败的tuple，又一次发射。

四调整可靠性

acker task是非常轻量级的，所以一个topology里面不须要非常多acker。你能够通过Strom UI(id: -1)来跟踪它的性能。假设它的吞吐量看起来不正常，那么你就须要多加点acker了。

假设可靠性对你来说不是那么重要 — 你不太在意在一些失败的情况下损失一些数据。那么你能够通过不跟踪这些tuple树来获取更好的性能。不去跟踪消息的话会使得系统里面的消息数量降低一半。由于对于每个tuple都要发送一个ack消息。

而且它须要更少的id来保存下游的tuple，降低带宽占用。

有三种方法能够去掉可靠性：

第一是把Config.TOPOLOGY_ACKERS 设置成 0. 在这样的情况下。 storm会在spout发射一个tuple之后立即调用spout的ack方法。也就是说这个tuple树不会被跟踪。

第二个方法是在tuple层面去掉可靠性。你能够在发射tuple的时候不指定messageid来达到不跟踪某个特定的spout tuple的目的。

最后一个方法是假设你对于一个tuple树里面的某一部分究竟成不成功不是非常关心，那么能够在发射这些tuple的时候unanchor它们。

这样这些tuple就不在tuple树里面。也就不会被跟踪了。

五小结

在分布式系统中实现对数据的可靠处理是一件繁琐的事情，storm将事实上现的非常优雅，其Arcker不仅使得对数据的可靠处理变得简单并且还非常高效，这个非常值得学习和借鉴。

參考: http://xumingming.sinaapp.com/410/twitter-storm-code-analysis-acker-merchanism/

http://www.searchtb.com/2012/09/introduction-to-storm.html