Storm（2015.08.12笔记）

2015.08.12Storm

 

一、Storm简介

Storm是Twitter开源的一个类似于Hadoop的实时数据处理框架。

 

Storm能实现高频数据和大规模数据的实时处理。

官网资料显示storm的一个节点在1秒钟能够处理100万个100字节的消息(IntelE5645@2.4Ghz的CPU,24GB的内存)

（storm +kafka+flume）

 

 

二、HADOOP与STORM比较

数据来源：HADOOP处理的是HDFS上TB级别的数据(历史数据)，STORM是处理的是实时新增的某一笔数据(实时数据)；

 

处理过程：HADOOP是分MAP阶段和REDUCE阶段，STORM是由用户定义处理流程，流程中可以包含多个步骤，每个步骤可以是数据源(SPOUT)或处理逻辑(BOLT)；

 

是否结束：HADOOP最后是要结束的，STORM是没有结束状态，到最后一步时，就停在那，直到有新数据进入时再从头开始；

 

处理速度：HADOOP是以处理HDFS上大量数据为目的，处理速度慢，STORM是只要处理新增的某一笔数据即可，可以做到很快；

 

适用场景：HADOOP是在要处理批量数据时用的，不讲究时效性，STORM是要处理某一新增数据时用的，要讲时效性；

 

 

 

 

package storm;

 

import java.util.Map;

 

import backtype.storm.Config;

import backtype.storm.LocalCluster;

import backtype.storm.spout.SpoutOutputCollector;

import backtype.storm.task.OutputCollector;

import backtype.storm.task.TopologyContext;

import backtype.storm.topology.OutputFieldsDeclarer;

import backtype.storm.topology.TopologyBuilder;

import backtype.storm.topology.base.BaseRichBolt;

import backtype.storm.topology.base.BaseRichSpout;

import backtype.storm.tuple.Fields;

import backtype.storm.tuple.Tuple;

import backtype.storm.tuple.Values;

 

/**

* 数据累加的操作，spout产生数据（在这里自己产生），bolt对数据累加求和

* @author Administrator

*

*/

public
class LocalStormTopology {//都在一个类里面实现，需要写一个静态name类

    public
static
class
DataSourceSpout
extends BaseRichSpout{//spout继承BaseRichSpout类，它有3个未实现的方法

        private
Map
conf;//第一个未实现的方法。不知道会不会用上，先保存

        private TopologyContext context;

        private SpoutOutputCollector collector;

        
 

        

        /**

         * 本实例运行的是被调用一次，只能执行一次。

         */

        public
void open(Map
conf, TopologyContext context,

                SpoutOutputCollector collector) {//第一个未实现的方法，本实例运行时被调用一次，Map conf配置参数，可以获取topology的配置信息，TopologyContext理解为Topology的上下文，collector，发射器，将spout产生的数据发射出去

            this.conf = conf;

            this.context = context;

            this.collector = collector;

        }

        /**

         * 死循环的调用，心跳

         */

        int
i=0;

        public
void nextTuple() {//第二个未实现的方法，程序运行过程中不断被调用，调用此方法会不断产生数据

            System.out.println("spout:"+i);//打印每次产生的数据

            this.collector.emit(new Values(i++));//将产生的数据发射出去，发射需要emit这个方法，接受的是tuple，是list类型，tuple里面放的是列表的数据，里面是封装了列表；storm里面封装了一个values类，new Values相当于一个tuple，直接将i传进去，点进去，他继承了ArrayList，相当于创建了一个list，往list里面添加一个元素，每次都会发送数据，所以i++，每次递增加一

            try {

                Thread.sleep(1000);

            } catch (InterruptedException e) {

                e.printStackTrace();

            }

        }

        /**

         * declarer方法的意思是声明输出的内容

         */

        public
void declareOutputFields(OutputFieldsDeclarer declarer) {//第三个未实现的方法，spout只管发射数据，不指定目标，需要指定发射数据的的名称，bolt读取有标示的数据

            declarer.declare(new Fields("num"));//declare方法接受参数fields，就new一个Fields，Fileds可接受一个可变参数（3个点）或者传一个list列表，需要指定一个字段名称，自定义为num。前面tuple封装了一个数据，这里对应也是一个字段，如果前面发射两个参数（i++，i+2），这里就指定2个字段（'num''num'），bolt可通过num（num2）字段获取i++数据（i+2）。spout发射的数据与字段num做了关联

        }

    }

    

    //写一个静态name类，也要实现3个未实现的方法

    

    public
static
class
Sumbolt
extends BaseRichBolt{

        private
Map
stormConf;

        private TopologyContext context;

        private OutputCollector collector;

        public
void prepare(Map
stormConf, TopologyContext context,

                OutputCollector collector) {//第一个未实现的方法

            this.stormConf = stormConf;

            this.context = context;

            this.collector = collector;//只会用到这个

        }

        int
sum = 0;

        public
void execute(Tuple input) {//这个方法，bolt也有个死循环，不断读取数据，每次获取的也是一个Tuple

            //input.getInteger(0);//通过get方法Integer传递的是参数，获取的数据是列表的脚标，获取的是list的元素，不建议使用这种方式。

            Integer value = input.getIntegerByField("num");//因为之前已经指定了num字段，所以通过num字段获取i++的值，使用declare方法指定的字段

            sum+=value;//因为bolt需要对获取的字段的值累加求和

            System.out.println("sum:"+sum);//直接将sum打印出来，打印每次累加求和的结果

            //this.collector.emit(tuple);

        }

 

        public
void declareOutputFields(OutputFieldsDeclarer declarer) {

            //因为这个bolt已经是最后一个bolt，bolt不需要往外发射数据，这里不需要定义字段

        }

    }

    
 

    
 

    

    //需要topology。main函数将spout和bolt组装在一起

    public
static
void main(String[] args) {

        TopologyBuilder topologyBuilder = new TopologyBuilder();//先new TopologyBuilder，

        topologyBuilder.setSpout("spout_id", new DataSourceSpout());//首先设置spout，id简单自定义为spout_id,后面需要具体指定spout类

        topologyBuilder.setBolt("bolt_id", new Sumbolt()).shuffleGrouping("spout_id");//需要将spout和bolt连接起来，bolt接spout，在bolt调用一个方法shuffleGrouping（指定'spout_id'）

        

        LocalCluster localCluster = new LocalCluster();//组装后需要运行，在本地运行，造一个本地的轨道

        localCluster.submitTopology("topology", new Config(), topologyBuilder.createTopology());//第一个是topology的名称，第二个是配置参数是map结构，storm提供了一个配置类，new Config(点进去，继承了HashMap)，后面需要一个storm Topology，我们指定为topologyBuilder.createTopology()

    }

 

}