storm小结

1、动态调整线程数：

storm rebalance topotest -w 10 -n 1 -e mybolt=2 -e myspout=1

可以提高任务平行度 ，从而提高CPU核利用率。

2、两个重要的分组策略：

shuffleGrouping 

fieldsGrouping

运用：词频统计，每个bolt开启三个线程

3、storm的drpc的运用：

说明：内置的spout发射的数据：0表示id号，1表示数据

自定义bolt发射数据通关过collector，发射数据有要求：第一个位置必须是id号（因为最后一个bolt是内置bolt，有规定），后面的参数是我们真正要发射的数据

出错：必须明确定义下一个bolt字段，即declare方法必须定义。

1）本地：直接在eclipse中运行。

2）远程：drpc host：在集群中配置drpc server主机地址，drpc port：默认是3773 ，并使用命令storm drpc开启drpc服务，之后去web页面访问。

4、storm的消息可靠性的实现

ack线程和fail

5、storm的消息可靠性的原理

6、storm与Trident

代码

第一个案例：文本行数统计

spout的任务：从kafka中接收文本数据，一条一条发射给bolt

bolt的任务：每接收一条数据，统计次数+1

这里指定bolt为两个线程，因此每个线程统计 了一半的数据，最终的数据是两个线程统计结果之和。

datacount结果图

第二个案例：词频统计

spout的任务：从kafka中接收文本数据，文本格式不一定，采取shuffleGrouping的策略一条一条发射给splitbolt

splitbolt的任务：将一行文本拆分成一个个单词，采取fieldsGrouping策略将数据分发给每一个countbolt线程，保证相同单词一定在同一个线程

countbolt的任务：统计每个单词的出现次数（提示：用hashMap），最终将结果打印在控制台。

wordcount结果图

注意：countbolt中的一个execute方法每次只会接收一条数据，因此hashmap集合必须定义在外面；

在execute方法中统计一个单词出现的次数，通过tuple获取单词，然后判断这个单词在map集合中是否出现过，没有出现，则count复制为0；然后将这个单词和它的count扔进map集合里，并进行累加。

如果要提交到集群上面，spout获取文件的路径必须是Linux系统路径

第三个案例：客户端传递参数spark，通过stormDRPC输出hello spark

bolt的任务：继承BaseRichBolt，execute方法中写需求

main方法：DRPC的实例和代理类等等。

第四个案例：storm第二天作业：统计每天的pv和UV，在此基础上实现消息的可靠性

思路和wordcount类似，关键是谁是Word，因为统计的是uv，因此最后一个字段是Word，统计不同Word的个数

每天pv：在datebolt中按照fieldsGrouping分离数据，这个field字段是日期字段，将日期相同的分到一组，然后在pvbolt中统计这个字段出现的次数，即pv，可以把这个结果写出到一个pv统计文件中；

每天uv，在每天pv的基础上统计uv，这一次的Word变成了最后一个字段，统计不同单词出现的次数，用Treeset，最后遍历set集合统计次数。