Storm实战之WordCount

在storm环境部署完毕，并正确启动之后，现在就可以真正进入storm开发了，按照惯例，以wordcount作为开始。
这个例子很简单，核心组件包括：一个spout，两个bolt，一个Topology。
spout从一个路径读取文件，然后readLine，向bolt发射，一个文件处理完毕后，重命名，以不再重复处理。
第一个bolt将从spout接收到的字符串按空格split，产生word，发射给下一个bolt。
第二个bolt接收到word后，统计、计数，放到HashMap容器中。

1，定义一个spout，作用是源源不断滴向bolt发射字符串。

点击(此处)折叠或打开

 import java.io.File;
 import java.io.IOException;
 import java.util.Collection;
 import java.util.List;
 import java.util.Map;

 import org.apache.commons.io.FileUtils;
 import org.apache.commons.io.filefilter.FileFilterUtils;

 import backtype.storm.spout.SpoutOutputCollector;
 import backtype.storm.task.TopologyContext;
 import backtype.storm.topology.OutputFieldsDeclarer;
 import backtype.storm.topology.base.BaseRichSpout;
 import backtype.storm.tuple.Fields;
 import backtype.storm.tuple.Values;

 public class WordReader extends BaseRichSpout {
     private static final long serialVersionUID = 2197521792014017918L;
     private String inputPath;
     private SpoutOutputCollector collector;

     @Override
     @SuppressWarnings(\"rawtypes\")
     public void open(Map conf, TopologyContext context, SpoutOutputCollector collector) {
         this.collector = collector;
         inputPath = (String) conf.get(\"INPUT_PATH\");
     }

     @Override
     public void nextTuple() {
         Collection<File> files = FileUtils.listFiles(new File(inputPath),
                 FileFilterUtils.notFileFilter(FileFilterUtils.suffixFileFilter(\".bak\")), null);
         for (File f : files) {
             try {
                 List<String> lines = FileUtils.readLines(f, \"UTF-8\");
                 for (String line : lines) {
                     collector.emit(new Values(line));
                 }
                 FileUtils.moveFile(f, new File(f.getPath() + System.currentTimeMillis() + \".bak\"));
             } catch (IOException e) {
                 e.printStackTrace();
             }
         }
     }

     @Override
     public void declareOutputFields(OutputFieldsDeclarer declarer) {
         declarer.declare(new Fields(\"line\"));
     }

 }

2，定义一个bolt，作用是接收spout发过来的字符串，并分割成word，发射给下一个bolt。

点击(此处)折叠或打开

 import org.apache.commons.lang.StringUtils;

 import backtype.storm.topology.BasicOutputCollector;
 import backtype.storm.topology.OutputFieldsDeclarer;
 import backtype.storm.topology.base.BaseBasicBolt;
 import backtype.storm.tuple.Fields;
 import backtype.storm.tuple.Tuple;
 import backtype.storm.tuple.Values;

 public class WordSpliter extends BaseBasicBolt {

     private static final long serialVersionUID = -5653803832498574866L;

     @Override
     public void execute(Tuple input, BasicOutputCollector collector) {
         String line = input.getString(0);
         String[] words = line.split(\" \");
         for (String word : words) {
             word = word.trim();
             if (StringUtils.isNotBlank(word)) {
                 word = word.toLowerCase();
                 collector.emit(new Values(word));
             }
         }
     }

     @Override
     public void declareOutputFields(OutputFieldsDeclarer declarer) {
         declarer.declare(new Fields(\"word\"));

     }

 }

3，定义一个bolt，接收word，并统计。

点击(此处)折叠或打开

 import java.util.HashMap;
 import java.util.Map;
 import java.util.Map.Entry;

 import backtype.storm.task.TopologyContext;
 import backtype.storm.topology.BasicOutputCollector;
 import backtype.storm.topology.OutputFieldsDeclarer;
 import backtype.storm.topology.base.BaseBasicBolt;
 import backtype.storm.tuple.Tuple;

 public class WordCounter extends BaseBasicBolt {
     private static final long serialVersionUID = 5683648523524179434L;
     private HashMap<String, Integer> counters = new HashMap<String, Integer>();
     private volatile boolean edit = false;

     @Override
     @SuppressWarnings(\"rawtypes\")
     public void prepare(Map stormConf, TopologyContext context) {
         final long timeOffset = Long.parseLong(stormConf.get(\"TIME_OFFSET\").toString());
         new Thread(new Runnable() {
             @Override
             public void run() {
                 while (true) {
                     if (edit) {
                         for (Entry<String, Integer> entry : counters.entrySet()) {
                             System.out.println(entry.getKey() + \" : \" + entry.getValue());
                         }
                         System.out.println(\"WordCounter---------------------------------------\");
                         edit = false;
                     }
                     try {
                         Thread.sleep(timeOffset * 1000);
                     } catch (InterruptedException e) {
                         e.printStackTrace();
                     }
                 }
             }
         }).start();
     }

     @Override
     public void execute(Tuple input, BasicOutputCollector collector) {
         String str = input.getString(0);
         if (!counters.containsKey(str)) {
             counters.put(str, 1);
         } else {
             Integer c = counters.get(str) + 1;
             counters.put(str, c);
         }
         edit = true;
         System.out.println(\"WordCounter+++++++++++++++++++++++++++++++++++++++++++\");
     }

     @Override
     public void declareOutputFields(OutputFieldsDeclarer declarer) {

     }
 }

注意 WordCounter类的 prepare方法，里面定义了一个Thread，持续监控容器的变化（word个数增加或者新增word）。

4，定义一个Topology，提交作业。

点击(此处)折叠或打开

 public class WordCountTopo {
     public static void main(String[] args) {
         if (args.length != 2) {
             System.err.println(\"Usage: inputPaht timeOffset\");
             System.err.println(\"such as : java -jar WordCount.jar D://input/ 2\");
             System.exit(2);
         }
         TopologyBuilder builder = new TopologyBuilder();
         builder.setSpout(\"word-reader\", new WordReader());
         builder.setBolt(\"word-spilter\", new WordSpliter()).shuffleGrouping(\"word-reader\");
         builder.setBolt(\"word-counter\", new WordCounter()).shuffleGrouping(\"word-spilter\");
         String inputPaht = args[0];
         String timeOffset = args[1];
         Config conf = new Config();
         conf.put(\"INPUT_PATH\", inputPaht);
         conf.put(\"TIME_OFFSET\", timeOffset);
         conf.setDebug(false);
         LocalCluster cluster = new LocalCluster();
         cluster.submitTopology(\"WordCount\", conf, builder.createTopology());
     }
 }

5，代码完成后，导出jar（导出时不要指定Main class），然后上传至storm集群，通过命令./storm jar com.x.x.WordCountTopo /data/tianzhen/input 2来提交作业。
Topo启动，spout、bolt执行过程：


Thread监控的统计结果：


源文件处理之后被重命名为*.bak。

和Hadoop不同，在任务执行完之后，Topo不会停止，spout会一直监控数据源，不停地往bolt发射数据。
所以现在如果源数据发生变化，应该能够立马体现出来。我往path下再放一个文本文件，结果：

可见，结果立刻更新了，storm的实时性就体现在这里。