【流式计算】Twitter Storm源代码分析之Tuple是如何发送的

作者: xumingming | 可以转载, 但必须以超链接形式标明文章原始出处和作者信息及版权声明
网址: http://xumingming.sinaapp.com/727/twitter-storm-code-analysis-tuple-send-proc/

 
这篇文章里面我们来看一下Storm里面的tuple到底是如何从一个tuple是怎么从一个bolt到另一个bolt上去的。

首先Bolt在发射一个tuple的时候是调用OutputCollector的emit或者emitDirect方法，
而这两个方法最终调用的是clojure代码里面的mk-transfer-fn方法:

； worker.clj
( defn mk-transfer- fn [ transfer-queue ]
  ( fn [ task ^Tuple tuple ]
    (.put ^LinkedBlockingQueue
          transfer-queue [ task tuple ] )
    ))

这个方法其实只是往一个LinkedBlockingQueue里面放入一条新记录(task-id, tuple)
然后这个queue里面的内容会被下面这段代码处理

; worker.clj
; 这里面的这个socket到底是什么东西?
(async- loop
    ( fn [ ^ArrayList drainer
         ^KryoTupleSerializer serializer ]
      ; 从transfer-queue里面取出一个任务来
      ; 这个任务其实就是(task, tuple)
      ( let [ felem (. take transfer-queue) ]
        (.add drainer felem)
        (.drainTo transfer-queue drainer))
      (read-locked endpoint-socket-lock
        ; 获取从node+port到socket的映射
        ( let [ node+port->socket @node+port->socket
              ; 获取从task-id到node+port的映射
              task->node+port @task->node+port ]
          ( doseq [ [ task ^Tuple tuple ] drainer ]
            ; 获取task对应的socket
            ( let [ socket
                   (node+port->socket
                     (task->node+port task))
              ; 序列化这个tuple
              ser-tuple (.serialize serializer tuple) ]
              ; 发送这个tuple
              (msg/ send socket task ser-tuple)
              ))
          ))
）

从上面代码可见，tuple最终是被序列化之后由msg/send方法通过socket发送给指定的task的。注意上面代码里面的async-loop表示会创建一个单独的线程来执行这些代码。可以storm会起一个独立线程来专门发送待发送的消息的。

我们来看下这个socket到底是个怎么样的东西。这个socket是在worker.clj里面被初始化的，看下面的代码：

; socket（worker.clj)
(swap! node+port->socket
     merge
     (into {}
       (dofor
          [ [ node port :as endpoint ] new -connections ]
         [ endpoint
          (msg/connect
             mq-context
             (( :node- >host assignment) node)
             port)
          ]
         )))

从上面代码可以看出socket其实是msg/connect创建出来的。那 msg/connect到底在做什么呢？ 这个方法是定义在protocol.clj里面的:

(defprotocol Context
  (bind [ context virtual-port ] )
  (connect [ context host port ] )
  ( send -local-task-empty [ context virtual-port ] )
  (term [ context ] )
  )

这里定义的只是一个接口而已，具体的实现是在zmq.clj里面。zmq是ZeroMQ的缩写, 可见storm的supervisor之间就是利用zeromq来传递tuple的。

zmq.clj里面的ZMQCOntext实现了Context接口:

(deftype ZMQContext [ context linger-ms ipc? ]
  ; 实现Context接口
  Context
  ; 从给定的virtual-port拉消息
  (bind [ this virtual-port ]
    (-> context
        (mq/socket mq/pull)
        (mqvp/virtual-bind virtual-port)
        (ZMQConnection.)
        ))
  ; 给给定的host,port推送消息(push)
  (connect [ this host port ]
    ( let [ url ( if ipc?
                ( str "ipc://" port "ipc" )
                ( str "tcp://" host ":" port)) ]
      (-> context
          (mq/socket mq/push)
          (mq/ set -linger linger-ms)
          (mq/connect url)
          (ZMQConnection.))))
  ; 给本地的virtual-port发送一条空消息
  ( send -local-task-empty [ this virtual-port ]
    ( let [ pusher
           (-> context
               (mq/socket mq/push)
               (mqvp/virtual-connect virtual-port)) ]
          (mq/ send pusher (mq/barr))
          (.close pusher)))
  (term [ this ]
    (.term context))
  ; 实现ZMQContextQuery接口
  ZMQContextQuery
  (zmq-context [ this ]
    context))

总结一些Twitter Storm对于tuple的处理/创建过程：

1. Bolt创建一个tuple。
2. Worker把tuple, 以及这个tuple要发送的地址(task-id)组成一个对象(task-id, tuple)放进待发送队列(LinkedBlockingQueue).
3. 一个单独的线程(async-loop所创建的线程）会取出发送队列里面的每个tuple来处理
   • Worker创建从当前task到目的task的zeromq连接。
   • 序列化这个tuple并且通过这个zeromq的连接来发送这个tuple。