閱讀434 返回首頁    go 阿裏雲 go 技術社區[雲棲]

Storm源碼淺析之topology的提交

    原文：https://www.blogjava.net/killme2008/archive/2011/11/17/364112.html
    作者：dennis (killme2008@gmail.com)
    轉載請注明出處。

    最近一直在讀twitter開源的這個分布式流計算框架——storm的源碼，還是有必要記錄下一些比較有意思的地方。我按照storm的主要概念進行組織，並且隻分析我關注的東西，因此稱之為淺析。       

一、介紹
    Storm的開發語言主要是Java和Clojure，其中Java定義骨架，而Clojure編寫核心邏輯。源碼統計結果：
     180 text files.
     177 unique files.                                          
       7 files ignored.

http://cloc.sourceforge.net v 1.55  T=1.0 s (171.0 files/s, 46869.0 lines/s)
-------------------------------------------------------------------------------
Language                     files          blank        comment           code
-------------------------------------------------------------------------------
Java                           125           5010           2414          25661
Lisp                            33            732            283           4871
Python                           7            742            433           4675
CSS                              1             12             45           1837
ruby                             2             22              0            104
Bourne Shell                     1              0              0              6
Javascript                       2              1             15              6
-------------------------------------------------------------------------------
SUM:                           171           6519           3190          37160
-------------------------------------------------------------------------------

    Java代碼25000多行，而Clojure(Lisp)隻有4871行，說語言不重要再次證明是扯淡。
        
二、Topology和Nimbus       
    Topology是storm的核心理念，將spout和bolt組織成一個topology，運行在storm集群裏，完成實時分析和計算的任務。這裏我主要想介紹下topology部署到storm集群的大概過程。提交一個topology任務到Storm集群是通過StormSubmitter.submitTopology方法提交：
StormSubmitter.submitTopology(name, conf, builder.createTopology());
    我們將topology打成jar包後，利用bin/storm這個python腳本，執行如下命令：
bin/storm jar xxxx.jar com.taobao.MyTopology args
    將jar包提交給storm集群。storm腳本會啟動JVM執行Topology的main方法，執行submitTopology的過程。而submitTopology會將jar文件上傳到nimbus，上傳是通過socket傳輸。在storm這個python腳本的jar方法裏可以看到：
def jar(jarfile, klass, *args):                                                                                                                               
   exec_storm_class(                                                                                                                                          
        klass,                                                                                                                                                
        jvmtype="-client",                                                                                                                                    
        extrajars=[jarfile, CONF_DIR, STORM_DIR + "/bin"],                                                                                                    
        args=args,                                                                                                                                            
        prefix="export STORM_JAR=" + jarfile + ";")
     將jar文件的地址設置為環境變量STORM_JAR，這個環境變量在執行submitTopology的時候用到：
//StormSubmitter.java 
private static void submitJar(Map conf) {
        if(submittedJar==null) {
            LOG.info("Jar not uploaded to master yet. Submitting jar");
            String localJar = System.getenv("STORM_JAR");
            submittedJar = submitJar(conf, localJar);
        } else {
            LOG.info("Jar already uploaded to master. Not submitting jar.");
        }
    }
    通過環境變量找到jar包的地址，然後上傳。利用環境變量傳參是個小技巧。

    其次，nimbus在接收到jar文件後，存放到數據目錄的inbox目錄，nimbus數據目錄的結構：
-nimbus
     -inbox
         -stormjar-57f1d694-2865-4b3b-8a7c-99104fc0aea3.jar
         -stormjar-76b4e316-b430-4215-9e26-4f33ba4ee520.jar

     -stormdist
        -storm-id
           -stormjar.jar
           -stormconf.ser
           -stormcode.ser
     其中inbox用於存放提交的jar文件，每個jar文件都重命名為stormjar加上一個32位的UUID。而stormdist存放的是啟動topology後生成的文件，每個topology都分配一個唯一的id，ID的規則是“name-計數-時間戳”。啟動後的topology的jar文件名命名為storm.jar ,而它的配置經過java序列化後存放在stormconf.ser文件，而stormcode.ser是將topology本身序列化後存放的文件。這些文件在部署的時候，supervisor會從這個目錄下載這些文件，然後在supervisor本地執行這些代碼。
    進入重點，topology任務的分配過程(zookeeper路徑說明忽略root):
1.在zookeeper上創建/taskheartbeats/{storm id} 路徑，用於任務的心跳檢測。storm對zookeeper的一個重要應用就是利用zk的臨時節點做存活檢測。task將定時刷新節點的時間戳，然後nimbus會檢測這個時間戳是否超過timeout設置。
2.從topology中獲取bolts,spouts設置的並行數目以及全局配置的最大並行數，然後產生task id列表，如[1 2 3 4]
3.在zookeeper上創建/tasks/{strom id}/{task id}路徑，並存儲task信息
4.開始分配任務（內部稱為assignment)， 具體步驟：
 (1)從zk上獲得已有的assignment(新的toplogy當然沒有了）
 (2)查找所有可用的slot，所謂slot就是可用的worker，在所有supervisor上配置的多個worker的端口。
 (3)將任務均勻地分配給可用的worker，這裏有兩種情況：
 (a)task數目比worker多，例如task是[1 2 3 4],可用的slot隻有[host1:port1 host2:port1]，那麼最終是這樣分配
{1: [host1:port1] 2 : [host2:port1]
         3 : [host1:port1] 4 : [host2:port1]}
，可以看到任務平均地分配在兩個worker上。
(b)如果task數目比worker少，例如task是[1 2]，而worker有[host1:port1 host1:port2 host2:port1 host2:port2]，那麼首先會將woker排序，將不同host間隔排列，保證task不會全部分配到同一個worker上，也就是將worker排列成
[host1:port1 host2:port1 host1:port2 host2:port2]
，然後分配任務為
{1: host1:port1 , 2 : host2:port2}


(4)記錄啟動時間
(5)判斷現有的assignment是否跟重新分配的assignment相同，如果相同，不需要變更，否則更新assignment到zookeeper的/assignments/{storm id}上。
5.啟動topology，所謂啟動，隻是將zookeeper上/storms/{storm id}對應的數據裏的active設置為true。
6.nimbus會檢查task的心跳，如果發現task心跳超過超時時間，那麼會重新跳到第4步做re-assignment。

文章轉自莊周夢蝶  ，原文發布時間2011-12-01

最後更新：2017-05-18 20:34:38

  上一篇：go  《KAFKA官方文檔》入門指南（二）
  下一篇：go  storm集群的監控