storm流式计算的应用案例

Storm集群部署及单词计数

目标:

         通过本次能够掌握Strom集群搭建、Storm配置文件、Storm源码管理、Storm编程模型。

课程大纲:

  1. 集群部署的基本流程
  2. 集群部署的基础环境准备
  3. Storm集群部署
  4. Storm集群的常用操作命令
  5. Storm集群的进程及日志熟悉
  6. Storm源码下载及目录熟悉
  7. Storm 单词计数案列

 

内容

  1. 集群部署的基本流程

集群部署的流程:下载安装包、解压安装包、修改配置文件、分发安装包、启动集群

注意:

    所有的集群上都需要配置hosts

    vi  /etc/hosts

       192.168.239.128 storm01 zk01 hadoop01

      192.168.239.129 storm02 zk02 hadoop02

       192.168.239.130 storm03 zk03 hadoop03

2.集群部署的基础环境准备

安装前的准备工作(zk集群已经部署完毕)

  • 关闭防火墙

chkconfig iptables off  && setenforce 0

  • 创建用户

groupadd realtime && useradd realtime && usermod -a -G realtime realtime

  • 创建工作目录并赋权

mkdir /export

mkdir /export/servers

chmod 755 -R /export

  • 切换到realtime用户下

su realtime

3、Storm集群部署

3.1、下载安装包

wget    http://124.202.164.6/files/1139000006794ECA/apache.fayea.com/storm/apache-storm-0.9.5/apache-storm-0.9.5.tar.gz

 

3.2、解压安装包

tar -zxvf apache-storm-0.9.5.tar.gz -C /export/servers/

cd /export/servers/

ln -s apache-storm-0.9.5 storm

3.3、修改配置文件

         mv /export/servers/storm/conf/storm.yaml /export/servers/storm/conf/storm.yaml.bak

vi /export/servers/storm/conf/storm.yaml

输入以下内容:

storm流式计算的应用案例_第1张图片

3.4、分发安装包

scp -r /export/servers/apache-storm-0.9.5 storm02:/export/servers

然后分别在各机器上创建软连接

cd /export/servers/

ln -s apache-storm-0.9.5 storm

3.5、启动集群

  1. 在nimbus.host所属的机器上启动 nimbus服务

cd /export/servers/storm/bin/

nohup ./storm nimbus &

  1. 在nimbus.host所属的机器上启动ui服务

cd /export/servers/storm/bin/

nohup ./storm ui &

  1. 在其它个节点上启动supervisor服务

cd /export/servers/storm/bin/

nohup ./storm supervisor &

3.6、查看集群

访问node01:8080,即可看到storm的ui界面。

 storm流式计算的应用案例_第2张图片

4、Storm常用操作命令

有许多简单且有用的命令可以用来管理拓扑,它们可以提交、杀死、禁用、再平衡拓扑。

  1. 提交任务命令格式:storm jar 【jar路径】 【拓扑包名.拓扑类名】 【拓扑名称】

bin/storm jar examples/storm-starter/storm-starter-topologies-0.9.6.jar storm.starter.WordCountTopology wordcount

  1. 杀死任务命令格式:storm kill 【拓扑名称】 -w 10(执行kill命令时可以通过-w [等待秒数]指定拓扑停用以后的等待时间)

storm kill topology-name -w 10

  1. 停用任务命令格式:storm deactivte  【拓扑名称】

storm deactivte topology-name

我们能够挂起或停用运行中的拓扑。当停用拓扑时,所有已分发的元组都会得到处理,但是spouts的nextTuple方法不会被调用。销毁一个拓扑,可以使用kill命令。它会以一种安全的方式销毁一个拓扑,首先停用拓扑,在等待拓扑消息的时间段内允许拓扑完成当前的数据流。

  1. 启用任务命令格式:storm activate【拓扑名称】

        storm activate topology-name

  1. 重新部署任务命令格式:storm rebalance  【拓扑名称】

        storm rebalance topology-name

        再平衡使你重分配集群任务。这是个很强大的命令。比如,你向一个运行中的集群增加了节点。再平衡命令将会停用拓扑,然后在相应超时时间之后重新分配任务,并重启拓扑。

5、Storm集群的进程及日志熟悉

5.1、部署成功之后,启动storm集群。

         依次启动集群的各种角色

5.2、查看nimbus的日志信息

在nimbus的服务器上

cd /export/servers/storm/logs

tail -100f /export/servers/storm/logs/nimbus.log

5.3、查看ui运行日志信息

在ui的服务器上,一般和nimbus一个服务器

cd /export/servers/storm/logs

tail -100f /export/servers/storm/logs/ui.log

5.4、查看supervisor运行日志信息

在supervisor服务上

cd /export/servers/storm/logs

tail -100f /export/servers/storm/logs/supervisor.log

5.5、查看supervisor上worker运行日志信息

在supervisor服务上

cd /export/servers/storm/logs

tail -100f /export/servers/storm/logs/worker-6702.log

(该worker正在运行wordcount程序)

 

6、Storm源码下载及目录熟悉

6.1、在Storm官方网站上寻找源码地址

    http://storm.apache.org/downloads.html

storm流式计算的应用案例_第3张图片

6.2、点击文字标签进入github

点击Apache/storm文字标签,进入github

          https://github.com/apache/storm

6.3、拷贝storm源码地址

在网页右侧,拷贝storm源码地址

    storm流式计算的应用案例_第4张图片

6.4、使用Subversion客户端下载

storm流式计算的应用案例_第5张图片

https://github.com/apache/storm/tags/v0.9.5

6.5、Storm源码目录分析(重要)

storm流式计算的应用案例_第6张图片

扩展包中的三个项目,使storm能与hbase、hdfs、kafka交互

 

7、Storm单词计数案例(重点掌握)

7.1、功能说明

设计一个topology,来实现对文档里面的单词出现的频率进行统计。

整个topology分为三个部分:

  1. RandomSentenceSpout:数据源,在已知的英文句子中,随机发送一条句子出去。
  2. SplitSentenceBolt:负责将单行文本记录(句子)切分成单词
  3. WordCountBolt:负责对单词的频率进行累加

7.2、项目主要流程

storm流式计算的应用案例_第7张图片

7.3、RandomSentenceSpout的实现及生命周期

storm流式计算的应用案例_第8张图片

7.4、SplitSentenceBolt的实现及生命周期

storm流式计算的应用案例_第9张图片

 

7.5、WordCountBolt的实现及生命周期

storm流式计算的应用案例_第10张图片

7.6、Stream Grouping详解,分组策略

Storm里面有7种类型的stream grouping

  1. Shuffle Grouping: 随机分组, 随机派发stream里面的tuple,保证每个bolt接收到的tuple数目大致相同。
  2. Fields Grouping:按字段分组,比如按userid来分组,具有同样userid的tuple会被分到相同的Bolts里的一个task,而不同的userid则会被分配到不同的bolts里的task。
  3. All Grouping:广播发送,对于每一个tuple,所有的bolts都会收到。
  4. Global Grouping:全局分组, 这个tuple被分配到storm中的一个bolts的其中一个task。再具体一点就是分配给id值最低的那个task
  5. Non Grouping:不分组,这个stream grouping分组的意思是说stream不关心到底谁会收到它的tuple。目前这种分组和Shuffle grouping是一样的效果, 有一点不同的是storm会把这个bolt放到这个bolt的订阅者同一个线程里面去执行。
  6. Direct Grouping: 直接分组, 这是一种比较特别的分组方法,用这种分组意味着消息的发送者指定由消息接收者的哪个task处理这个消息。只有被声明为Direct Stream的消息流可以声明这种分组方法。而且这种消息tuple必须使用emitDirect方法来发射。消息处理者可以通过TopologyContext来获取处理它的消息的task的id (OutputCollector.emit方法也会返回task的id)。
  7. Local or shuffle grouping:如果目标bolt有一个或者多个task在同一个工作进程(Worker)中,tuple将会被随机发送给这些tasks。否则,和普通的Shuffle Grouping行为一致。

你可能感兴趣的:(storm)