storm中可靠性和非可靠性的示例分析
这篇文章将为大家详细讲解有关storm中可靠性和非可靠性的示例分析，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
在依兰等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供成都做网站、网站制作 网站设计制作定制网站制作,公司网站建设,企业网站建设,成都品牌网站建设,营销型网站建设,成都外贸网站制作,依兰网站建设费用合理。
1.Spout的可靠性保证
在Storm中，消息处理可靠性从Spout开始的。storm为了保证数据能正确的被处理, 对于spout产生的每一个tuple,storm都能够进行跟踪,这里面涉及到了ack/fail的处理, 如果一个tuple被处理成功,那么spout便会调用其ack方法,如果失败,则会调用fail方法。而topology中处理tuple的每一个bolt都会通过OutputCollector来告知storm,当前bolt处理是否成功。
我们知道spout必须能够追踪它发射的所有tuples或其子tuples，并且在这些tuples处理失败时能够重发。那么spout如何追踪tuple呢？storm是通过一个简单的anchor机制来实现的（在下面的bolt可靠性中会讲到）。
spout发射根tuple，根tuple产生子tuples。这就形成一个TupleTree。在这个tree中，所有的bolt都会ack或fail一个tuple，如果tree中所有的bolt都ack了经过它的tuple，那么Spout的ack方法就会被调用，表示整个消息被处理完成。如果tree中的任何一个bolt fail一个tuple，或者整个处理过程超时，则Spout的fail方法便会被调用。
另外一点, storm只是通过ack/fail机制来告诉应用方bolt中间的处理情况, 对于成功/失败该如何处理, 必须由应用自己来决定, 因为storm内部也没有保存失败的具体数据, 但是也有办法知道失败记录,因为spout的ack/fail方法会附带一个msgId对象, 我们可以在最初发射tuple的时候将将msgId设置为tuple, 然后在ack/fail中对该tuple进行处理。这里其实有个问题, 就是每个bolt执行完之后要显式的调用ack/fail,否则会出现tuple不释放导致oom. 不知道storm在最初设计的时候,为什么不将bolt的ack设置为默认调用。
Storm的ISpout接口定义了三个与可靠性有关的方法：nextTuple,ack和fail。
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);
}我们知道，当Storm的Spout发射一个Tuple后，他便会调用nextTuple()方法，在这个过程中，保证可靠性处理的第一步就是为发射出的Tuple分配一个唯一的ID，并把这个ID传给emit()方法：
collector.emit( new Values("value1" , "value2") , msgId );为Tuple分配一个唯一ID的目的就是为了告诉Storm，Spout希望这个Tuple产生的Tuple tree在处理完成或失败后告知它，如果Tuple被处理成功，Spout的ack()方法就会被调用，相反如果处理失败，Spout的fail()方法就会被调用，Tuple的ID也都会传入这两个方法中。
需要注意的是，虽然spout有可靠性机制，但这个机制是否启用由我们控制的。IBasicBolt在emit一个tuple后自动调用ack()方法，用来实现比较简单的计算，这个是不可靠的。如果是IRichBolt的话，如果想要实现anchor，必须自己调用ack方法，这个保证可靠性。
2.Bolt中的可靠性
Bolt中的可靠性主要靠两步来实现：
发射衍生Tuple的同时anchor原Tuple
对各个Tuples做ack或fail处理
anchor一个Tuple就意味着在输入Tuple和其衍生Tuple之间建立了关联，关联之后的Tuple便加入了Tuple tree。我们可以通过如下方式anchor一个Tuple：
collector.emit( tuple, new Values( word));
如果我们发射新tuple的时候不同时发射元tuple，那么新发射的Tuple不会参与到整个可靠性机制中，它们的fail不会引起root tuple的重发，我们成为unanchor：
collector.emit( new Values( word));
ack和fail一个tuple的操作方法：
this .collector.ack(tuple); this .collector.fail(tuple);
上面讲过了，IBasicBolt 实现类不关心ack/fail, spout的ack/fail完全由后面的bolt的ack/fail来决定. 其execute方法的BasicOutputCollector参数也没有提供ack/fail方法给你调用. 相当于忽略了该bolt的ack/fail行为。
在 IRichBolt实现类中, 如果OutputCollector.emit(oldTuple,newTuple)这样调用来发射tuple(anchoring), 那么后面的bolt的ack/fail会影响spout ack/fail, 如果collector.emit(newTuple)这样来发射tuple(在storm称之为anchoring), 则相当于断开了后面bolt的ack/fail对spout的影响.spout将立即根据当前bolt前面的ack/fail的情况来决定调用spout的ack/fail. 所以某个bolt后面的bolt的成功失败对你来说不关心, 你可以直接通过这种方式来忽略.中间的某个bolt fail了, 不会影响后面的bolt执行, 但是会立即触发spout的fail. 相当于短路了, 后面bolt虽然也执行了, 但是ack/fail对spout已经无意义了. 也就是说, 只要bolt集合中的任何一个fail了, 会立即触发spout的fail方法. 而ack方法需要所有的bolt调用为ack才能触发. 所以IBasicBolt用来做filter或者简单的计算比较合适。
3.总结
storm的可靠性是由spout和bolt共同决定的，storm利用了anchor机制来保证处理的可靠性。如果spout发射的一个tuple被完全处理，那么spout的ack方法即会被调用，如果失败，则其fail方法便会被调用。在bolt中，通过在emit(oldTuple,newTuple)的方式来anchor一个tuple，如果处理成功，则需要调用bolt的ack方法，如果失败，则调用其fail方法。一个tuple及其子tuple共同构成了一个tupletree，当这个tree中所有tuple在指定时间内都完成时spout的ack才会被调用，但是当tree中任何一个tuple失败时，spout的fail方法则会被调用。
IBasicBolt类会自动调用ack/fail方法，而IRichBolt则需要我们手动调用ack/fail方法。我们可以通过TOPOLOGY_MESSAGE_TIMEOUT_SECS参数来指定一个tuple的处理完成时间，若这个时间未被处理完成，则spout也会调用fail方法。
4.一个可靠的WordCount例子
一个实现可靠性的spout：
public class ReliableSentenceSpout extends BaseRichSpout {
private static final long serialVersionUID = 1L;
private ConcurrentHashMap pending;
private SpoutOutputCollector collector;
private String[] sentences = { "my dog has fleas", "i like cold beverages" , "the dog ate my homework" , "don't have a cow man" , "i don't think i like fleas" };
private int index = 0;
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare( new Fields( "sentence"));
}
public void open( Map config, TopologyContext context, SpoutOutputCollector collector) {
this. collector = collector;
this. pending = new ConcurrentHashMap();
}
public void nextTuple() {
Values values = new Values( sentences[ index]);
UUID msgId = UUID. randomUUID();
this. pending.put(msgId, values);
this. collector.emit(values, msgId);
index++;
if ( index >= sentences. length) {
index = 0;
}
//Utils.waitForMillis(1);
}
public void ack(Object msgId) {
this. pending.remove(msgId);
}
public void fail(Object msgId) {
this. collector.emit( this. pending.get(msgId), msgId);
}
} 一个实现可靠性的bolt：
public class ReliableSplitSentenceBolt extends BaseRichBolt {
private OutputCollector collector;
public void prepare( Map config, TopologyContext context, OutputCollector collector) {
this. collector = collector;
}
public void execute(Tuple tuple) {
String sentence = tuple.getStringByField("sentence" );
String[] words = sentence.split( " ");
for (String word : words) {
this. collector.emit(tuple, new Values(word));
}
this. collector.ack(tuple);
}
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare( new Fields( "word"));
}
}这个例子中我们实现了storm的可靠性，tuple失败了将会重新发送，直到处理成功。这里pending是一个map，为了实现tuple的失败重发。storm里面topology.max.spout.pending属性解释：
1.同时活跃的batch数量，你必须设置同时处理的batch数量。你可以通过”topology.max.spout.pending” 来指定， 如果你不指定，默认是1。
2.topology.max.spout.pending 的意义在于 ，缓存spout发送出去的tuple，当下流的bolt还有topology.max.spout.pending 个 tuple 没有消费完时，spout会停下来，等待下游bolt去消费，当tuple 的个数少于topology.max.spout.pending个数时，spout 会继续从消息源读取消息。（这个属性仅对可靠消息处理）。
如果使用事务，则表示同时处理的batch数量，如果非事务，则理解成第二种。
总而言之，如果不需要保证可靠性，spout继承BaseRichSpout，bolt继承BaseBasicBolt，它们内部实现了一些方法，自动ack，我们不需要关心ack和fail；如果要保证可靠性，spout实现IRichSpout接口，发tuple的时候，带上msgId，自定义fail和ack方法，bolt继承BaseRichBolt，发送tuple的时候要带上原tuple，要手动ack。
关于“storm中可靠性和非可靠性的示例分析”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
当前题目：storm中可靠性和非可靠性的示例分析
浏览路径：http://azwzsj.com/article/pjejso.html
