《Storm企业级应用：实战、运维和调优》——第2章 开始使用Storm

**前言**大数据是继云计算.物联网之后IT行业又一大颠覆性的技术变革.之前大数据在互联网.军事.金融.通信和物理学等领域已有不少落地案例,却因为近年来Hadoop技术的快速发展而引起业界广泛关注.可以说,Hadoop目前是大数据处理的关键技术,也是迄今为止,最成熟.应用最广泛的技术.但是Hadoop生态圈下面的数据处理几乎都是在离线状态下进行的,离线处理海量数据是比较耗时.耗力的,Storm的实时处理技术应运而生.正如曾经开发Storm的一位主要工程师所谈到的,Storm可以方便地在一个计算机

2.3 安装部署Storm集群 Storm的安装.部署过程分为安装依赖.安装Storm.启动和查看安装等几个部分.其中,前两部分内容在三个节点上都是一样的,只要在启动时区分开角色即可.接下来将讲解Storm集群的安装过程.2.3.1 安装Storm依赖库 在Nimbus和Supervisor的节点上安装Storm时,都需要安装相关的依赖库,具体如下: ZeroMQ 2.1.7. JZMQ. 其中,ZeroMQ推荐使用2.1.7版本,请勿使用2.1.10版本.官方解释是因为该版本的一些严重Bug会

1.2 Storm是什么 本节主要通过介绍Storm出现的背景.简介.设计思想.与大数据框架Hadoop的比较等内容,使读者了解Storm的设计理念,从整体感观上切入,并快速掌握Storm.1.2.1 Storm出现的背景 互联网从诞生的第一时间起,对世界的最大改变就是让信息能够实时交互,从而大大加速了各个环节的效率.正因为大家有对信息实时响应.实时交互的需求,所以软件行业除了个人操作系统之外,数据库(更精确的说是关系型数据库)应该是发展最快.收益最为丰厚的产品了.记得十年前,很多银行别说实时转

1.1 什么是实时流计算 所谓实时流计算,就是近几年由于数据得到广泛应用之后,在数据持久性建模不满足现状的情况下,急需数据流的瞬时建模或者计算处理.这种实时计算的应用实例有金融服务.网络监控.电信数据管理.Web应用.生产制造.传感检测,等等.在这种数据流模型中,单独的数据单元可能是相关的元组(Tuple),如网络测量.呼叫记录.网页访问等产生的数据.但是,这些数据以大量.快速.时变(可能是不可预知)的数据流持续到达,由此产生了一些基础性的新的研究问题--实时计算.实时计算的一个重要方向就是实时

2.5 本章小结 在Storm中使用ZooKeeper主要用于完成Storm集群各节点的分布式协调工作,一是存储客户端提供的Topology任务信息,Nimbus负责将任务分配信息写入ZooKeeper,Supervisor从ZooKeeper上读取任务分配信息:二是存储Supervisor和Worker的心跳(包括它们的状态),使得Nimbus可以监控整个集群的状态,从而重启一些挂掉的Worker:三是存储整个集群的所有状态信息和配置信息.由于ZooKeeper在Storm集群中的重要性,本章

2.4 创建Topology并向集群提交任务 Topology是Storm的核心概念之一,是将Spout与Bolt融合在一起的纽带,在Storm集群中运行,完成实时计算的任务.在Storm集群中,Topology的定义是一个Thrift结构,并且Nimbus就是一个Thrift服务,可以提交由任何语言创建的Topology.下面使用Java语言讲解Topology的使用.首先了解如何创建Topology.2.4.1 创建Topology在创建一个Topology之前,设计一个Topology来统

3.8 Worker.Task.Executor三者之间的关系 Storm集群中的一个物理节点启动一个或者多个Worker进程,集群的Topology都是通过这些Worker进程运行的.然而,Worker进程中又会运行一个或者多个Executor线程,每个Executor线程只运行一个Topology的一个组件(Spout或Bolt)的Task任务,Task又是数据处理的实体单元.Worker是进程,Executor对应于线程,Spout或Bolt是一个个的Task:同一个Worker只执行同一

3.3 Bolt消息处理者 认识了消息源Spout和消息的数据存储元组Tuple,接下来了解消息的处理者Bolt.Bolt是接收Spout发出元组Tuple后处理数据的组件,所有的消息处理逻辑被封装在Bolt中,Bolt负责处理输入的数据流并产生输出的新数据流.3.3.1 Bolt介绍 消息处理者Bolt在Storm中是一个被动的角色.Bolt把元组作为输入,然后产生新的元组作为输出. 1.?Bolt的功能 Bolt可以执行过滤.函数操作.合并.写数据库等操作.Bolt还可以简单地传递消息流,复

1.4 Storm的特性 Storm是一个开源的分布式实时计算系统,可以简单.可靠地处理大量的数据流.Storm支持水平扩展,具有高容错性,保证每个消息都会得到处理,而且处理速度很快(在一个小集群中,每个节点每秒可以处理数以百万计的消息).Storm的部署和运维都很便捷,而且更为重要的是,可以使用任意编程语言来开发应用. 下面介绍Storm的特点. (1)编程模型简单 在大数据处理方面,Hadoop为开发者提供了MapReduce原语,使并行批处理程序变得非常简单和优美.同样,Storm也为大数