storm--基础面试题2

• 1.提高storm并发度？
  

并行度就是多线程，主要是调整三个实体
1.worker进程
2.exectors（线程）
3.Task（线程)
在worker下可以可以采用多线程的方式运行程序。task是运行在exector里面的

worker运行在从节点里面,从节点可以启动多个worker。灰色的是exectors.一个work下多个exector。exector下可以运行一个task也可以运行两个task.task是最小的处理单元。spout和bolt都是运行在task之上。
一个worker进程执行的是一个topo的子集。
一个worker进程会启动1…n个executor线程来执行一个topo的component
一个运行topo就是由集群多台物理机上的多个worker进程组成。
executor是一个被worker进程启动的单独线程,每个executor只会运行一个topo的一个component.
task是spout或者bolt代码的最小执行单元。
ack会占用一个task。
supervisor节点上可以运行多个worker进程，一个进程可以启动多个线程的，所以我们可以在worker多个executor，在executor中运行task。默认情况下task的数目等于executor线程数目，即1个executor线程只运行1个task。
worker --默认是1个

调整
worker>executor(执行线程)>task
增加worker进程，增加executor 增加task
setNumberworker setnumbertasks 来提高并行度。

• 2.当Nimbus或Supervisor守护进程死亡时会发生什么？
  

Nimbus和Supervisor守护进程设计为快速失败（遇到任何意外情况时进程自毁）和无状态（所有状态保存在Zookeeper或磁盘上）
Nimbus或supervisor的死亡不会影响worker流程。这与Hadoop形成鲜明对比，如果JobTracker死亡，所有正在运行的作业都将丢失.

• 3.Nimbus是单点故障吗？
  

如果丢失了Nimbus节点，worker仍将继续运行.如果worker死掉，nimbus将继续重新worker。但是，如果没有Nimbus，worker将不会在必要时重新分配给其他计算机（例如，如果您丢失了工作机器）
storm可以配置HA

• 4.Storm如何保证数据处理？
  

Storm提供了保证数据处理的机制，即使节点死亡或消息丢失也是如此。
worker死了
nimbus可以启动worker.如果它在启动时连续失败并且无法接受Nimbus的心跳，Nimbus将重新安排worker。
节点死了
分配给该计算机的任务将超时，Nimbus会将这些任务重新分配给其他计算机。

• 5.storm的可靠性如何实现，包括spout和bolt两部分？
  

storm的可靠性由Ispout接口定义三个可靠性api:nexttuple,ack,fail
spout端:
对于tuple树上的每个bolt进行确认应答，spout才会调用ack来表明这个消息被完全处理，如果任何一个bolt处理的tuple报错。调用ack.
ack机制与fail机制
在编写spout的nextTuple时，最终你必须要emit一个Tuple，记住，要这么做：
//发射出去的是数据信息和数据唯一编号。
this.collector.emit(new Values(…), msgID);
一定要有msgID这个参数，一定要有！否则Storm便不会跟踪这个Tuple。
collector.emit(tuple, new Values(…));
而不是：
collector.emit(new Values(…));
为了保证数据能正确的被处理, 对于spout产生的每一个tuple, storm都会进行跟踪, 这里面涉及到ack/fail的处理, 如果一个tuple处理成功, 会调用spout的ack方法, 如果失败, 会调用fail方法. 而在处理tuple的每一个bolt都会通过OutputCollector来告知storm, 当前bolt处理是否成功. 为了了解OutputCollector的ack/fail与Spout的ack/f ail之间的关系, 我调试跟踪了一下storm代码.
bolt的可靠性:bolt也是一样，通过ack和fail机制。

• 6.storm的如何处理反压机制？
  

1.storm之前是对于开启ack,可以设置conf.setmaxspoutpending参数设置实现反压效果。当下游bolt跟不上上游的spout发送的tuple时，会停止发送。这个不是很好。
2.最新版本是自动反压机制，监控bolt中的接收队列，当超过高水位时专门的线程把反压信息写入到zookeeper中。zookeeper上watch会通知所有worker进程反压，降低spout发送速度。

• 7.storm分组策略方式？
  

1.Shuffle Grouping:随机分组，轮询，平均分配。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–同一份数据可能被处理三次。

• 8.storm怎么实现对单词的计数？可靠的单词计数？
  

单词计数topology由一个spout和三个bolt组成。
spout 动态的接受数据源信息。
语句分割bolt:将每个句子分割成单词
单词技术bolt:把语句分割的bolt的输出作为输入，统计每个单词的数量。
上报bolt.当收到一个tuple时，上报bolt会更新表中的计数数据，并且将值在终端打印。