用Storm处理实时日志

用Storm处理实时日志

• 之前写过一篇用MapReduce清洗数据，比起MR，在工作中更早使用了Storm进行实时的日志清理
• Storm的输入和输出相当灵活，我处理的主要输入流都是Kafka，输出流有Kafka和Scribe

主类配置Topology

Storm的Topology，代表整个处理流程的逻辑拓扑，在构建TopologyBuilder实例时，可以设置Spout和Bolt

TopologyBuilder builder = new TopologyBuilder();

builder.setSpout("KAFKA_SPOUT", new KafkaSpout(), kafkaSpoutNum);
builder.setBolt("PARSER_BOLT", new ParserBolt(), parserBoltNum).shuffleGrouping("KAFKA_SPOUT");

• setSpout和setBolt的时候需要指定该Spout和Bolt的ID
• setSpout和setBolt的时候可以指定Spout和Bolt的数量
• setBolt的时候需要说明该Bolt如何消费流入它的数据，本例中流入的数据来自KafkaSpout，通过shuffleGrouping的方式消费

配置完成后提交该topology:

Config conf = new Config();

/* Submit topology */
StormSubmitter.submitTopology(group, conf, builder.createTopology());

Topology就像一个任务框架，业务人员按着这个框架来编程就可以了
Spout负责从数据源处读取数据，吐到拓扑里，因为从Kafka消费数据是很常见的应用，所以直接复用KafkaSpout就好，不用自己另外实现
解析和清洗日志的具体逻辑在Bolt中实现，这里实现了一个ParserBolt

Bolt负责具体计算

• Storm中流淌的数据单元是Tuple，可以由用户自定义
• Bolt可以有多级，最后一级Bolt会定期把结果写到目标存储
• 自己实现的Bolt继承自BaseBasicBolt，具体处理逻辑在函数execute()中实现

public class ParserBolt extends BaseBasicBolt {

    public void prepare(Map stormConf, TopologyContext context) {

    }

    public void execute(Tuple tuple, BasicOutputCollector collector) {

        String input = String.valueOf(tuple.getValue(0));
        String[] lines = input.split("\n");

        for (int i = 0; i < lines.length; i++) {
            // process
            // writeTo
        }
    }

    public Map getComponentConfiguration() {
        Map conf = super.getComponentConfiguration();
        if (conf == null) {
            conf = new Config();
        }
        conf.put(Config.TOPOLOGY_TICK_TUPLE_FREQ_SECS, 60);    //设置tick的时间为60秒，实现一些定时操作。
        return conf;
    }
}