技术头条 - 一个快速在微博传播文章的方式     搜索本站
您现在的位置首页 --> 源码分析 --> Storm源码浅析之topology的提交

Storm源码浅析之topology的提交

浏览:4369次  出处信息
    原文:http://www.blogjava.net/killme2008/archive/2011/11/17/364112.html

     作者:dennis (killme2008@gmail.com)

     转载请注明出处。

     最近一直在读twitter开源的这个分布式流计算框架——storm的源码,还是有必要记录下一些比较有意思的地方。我按照storm的主要概念进行组织,并且只分析我关注的东西,因此称之为浅析。       

    一、介绍

     Storm的开发语言主要是Java和Clojure,其中Java定义骨架,而Clojure编写核心逻辑。源码统计结果:

    Code highlighting produced by Actipro CodeHighlighter (freeware)

    http://www.CodeHighlighter.com/

    ->     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代码25000多行,而Clojure(Lisp)只有4871行,说语言不重要再次证明是扯淡。

         

    二、Topology和Nimbus       

     Topology是storm的核心理念,将spout和bolt组织成一个topology,运行在storm集群里,完成实时分析和计算的任务。这里我主要想介绍下topology部署到storm集群的大概过程。提交一个topology任务到Storm集群是通过StormSubmitter.submitTopology方法提交:

    Code highlighting produced by Actipro CodeHighlighter (freeware)

    http://www.CodeHighlighter.com/

    ->StormSubmitter.submitTopology(name, conf, builder.createTopology());

     我们将topology打成jar包后,利用bin/storm这个python脚本,执行如下命令:

    Code highlighting produced by Actipro CodeHighlighter (freeware)

    http://www.CodeHighlighter.com/

    ->bin/storm jar xxxx.jar com.taobao.MyTopology args

     将jar包提交给storm集群。storm脚本会启动JVM执行Topology的main方法,执行submitTopology的过程。而submitTopology会将jar文件上传到nimbus,上传是通过socket传输。在storm这个python脚本的jar方法里可以看到:

    Code highlighting produced by Actipro CodeHighlighter (freeware)

    http://www.CodeHighlighter.com/

    ->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 + “;“)

    

      将jar文件的地址设置为环境变量STORM_JAR,这个环境变量在执行submitTopology的时候用到:

    Code highlighting produced by Actipro CodeHighlighter (freeware)

    http://www.CodeHighlighter.com/

    ->//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.“);

    }

     }

     通过环境变量找到jar包的地址,然后上传。利用环境变量传参是个小技巧。

     其次,nimbus在接收到jar文件后,存放到数据目录的inbox目录,nimbus数据目录的结构

    Code highlighting produced by Actipro CodeHighlighter (freeware)

    http://www.CodeHighlighter.com/

    ->-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用于存放提交的jar文件,每个jar文件都重命名为stormjar加上一个32位的UUID。而stormdist存放的是启动topology后生成的文件,每个topology都分配一个唯一的id,ID的规则是“name-计数-时间戳”。启动后的topology的jar文件名命名为storm.jar ,而它的配置经过java序列化后存放在stormconf.ser文件,而stormcode.ser是将topology本身序列化后存放的文件。这些文件在部署的时候,supervisor会从这个目录下载这些文件,然后在supervisor本地执行这些代码。

     进入重点,topology任务的分配过程(zookeeper路径说明忽略root):

    1.在zookeeper上创建/taskheartbeats/{storm id} 路径,用于任务的心跳检测。storm对zookeeper的一个重要应用就是利用zk的临时节点做存活检测。task将定时刷新节点的时间戳,然后nimbus会检测这个时间戳是否超过timeout设置。

    2.从topology中获取bolts,spouts设置的并行数目以及全局配置的最大并行数,然后产生task id列表,如[1 2 3 4]

    3.在zookeeper上创建/tasks/{strom id}/{task id}路径,并存储task信息

    4.开始分配任务(内部称为assignment), 具体步骤:

    (1)从zk上获得已有的assignment(新的toplogy当然没有了)

    (2)查找所有可用的slot,所谓slot就是可用的worker,在所有supervisor上配置的多个worker的端口。

    (3)将任务均匀地分配给可用的worker,这里有两种情况:

    (a)task数目比worker多,例如task是[1 2 3 4],可用的slot只有[host1:port1 host2:port1],那么最终是这样分配

    Code highlighting produced by Actipro CodeHighlighter (freeware)

    http://www.CodeHighlighter.com/

    ->{1: [host1:port1] 2 : [host2:port1]

    3 : [host1:port1] 4 : [host2:port1]}

    ,可以看到任务平均地分配在两个worker上。

    (b)如果task数目比worker少,例如task是[1 2],而worker有[host1:port1 host1:port2 host2:port1 host2:port2],那么首先会将woker排序,将不同host间隔排列,保证task不会全部分配到同一个worker上,也就是将worker排列成

    Code highlighting produced by Actipro CodeHighlighter (freeware)

    http://www.CodeHighlighter.com/

    ->[host1:port1 host2:port1 host1:port2 host2:port2]

    ,然后分配任务为

    Code highlighting produced by Actipro CodeHighlighter (freeware)

    http://www.CodeHighlighter.com/

    ->{1: host1:port1 , 2 : host2:port2}

    (4)记录启动时间

    (5)判断现有的assignment是否跟重新分配的assignment相同,如果相同,不需要变更,否则更新assignment到zookeeper的/assignments/{storm id}上。

    5.启动topology,所谓启动,只是将zookeeper上/storms/{storm id}对应的数据里的active设置为true。

    6.nimbus会检查task的心跳,如果发现task心跳超过超时时间,那么会重新跳到第4步做re-assignment。

建议继续学习:

  1. Storm:最火的流式处理框架    (阅读:5936)
  2. Nginx源码分析-事件循环    (阅读:4879)
  3. Hive的入口 -- Hive源码解析    (阅读:4778)
  4. Storm源码浅析之topology的提交    (阅读:4514)
  5. Hive源码解析-之-语法解析器    (阅读:4259)
  6. Nginx源码分析-内存池    (阅读:4149)
  7. storm入门教程 第一章 前言    (阅读:4074)
  8. Nginx源码分析-Epoll模块    (阅读:3931)
  9. Lua GC 的源码剖析 (2)    (阅读:3890)
  10. storm集群的监控    (阅读:3378)
QQ技术交流群:445447336,欢迎加入!
扫一扫订阅我的微信号:IT技术博客大学习
© 2009 - 2024 by blogread.cn 微博:@IT技术博客大学习

京ICP备15002552号-1