Storm-1.2.2介绍及完全分布式安装

目录

1  Storm是什么

2  Storm的核心概念

3  Storm原理架构

4  Storm集群安装部署

4.1  下载Storm 1.2.2

4.2  解压，更改配置文件

4.3  将配置好的节点分发到两个从节点上

5  启动storm集群及web监控

---

1  Storm是什么

Apache Storm是一个分布式的、可靠的、容错的实时数据流处理框架。Storm是Twitter开源的分布式实时大数据处理框架，最早开源于github，从0.9.1版本之后，归于Apache社区，被业界称为实时版Hadoop。随着越来越多的场景对Hadoop的MapReduce高延迟无法容忍，比如网站统计、推荐系统、预警系统、金融系统(高频交易、股票)等等，大数据实时处理解决方案（流计算）的应用日趋广泛，目前已是分布式技术领域最新爆发点，而Storm更是流计算技术中的佼佼者和主流。

Storm的处理流程类似工业上的生产线，如上图，取水口就相当于Storm的数据源口Spout，经历一系列的处理阶段Bolt，最终送给用户（即数据落地），构成一个拓扑结构。

它与Spark Streaming的最大区别在于它是逐个处理流式数据事件，而Spark Streaming是微批次处理，因此，它比Spark Streaming更实时。但相比新的实时流处理框架Flink来说，Flink提供了DataSet 和 DataStream两个接口实现可批可流的处理机制，并且提供了Exactly-once语义，因此被越来越多的公司使用。如果非得给流处理框架排个序，小厨认为：Flink>Storm>Storm Trident>Spark Streaming。至于优先程度主要还得看具体的业务场景，例如某公司已经搭建了一个Spark平台，并且对数据的实时性可以接受为分钟级别，那么可能Spark Streaming是最适合的。

2  Storm的核心概念

• nimbus：即Storm的Master，负责资源分配和任务调度。一个Storm集群只有一个Nimbus。
• Supervisor：即Storm的Slave，负责接收Nimbus分配的任务，管理其本身所有Worker，一个Supervisor节点中包含多个Worker进程。
• worker：工作进程，每个工作进程中都有多个Task。
• Task：任务，在 Storm 集群中每个 Spout 和 Bolt 都由若干个任务（tasks）来执行。每个任务都与一个执行线程相对应。
• Topology：DAG有向无环图的实现。计算拓扑，Storm 的拓扑是对实时计算应用逻辑的封装，它的作用与 MapReduce 的任务（Job）很相似，区别在于 MapReduce 的一个 Job 在得到结果之后总会结束，而拓扑会一直在集群中运行，直到你手动去终止它。拓扑还可以理解成由一系列通过数据流（Stream Grouping）相互关联的 Spout 和 Bolt 组成的的拓扑结构。
• Stream：从Spout中源源不断传递数据给Bolt、以及上一个Bolt传递数据给下一个Bolt，所形成的这些数据通道即叫做Stream。可以根据StreamId绑定上下游的Bolt.
• Tuple：Stream中最小数据组成单元。（如下图：多个Tuple构成一个Stream通道）

• Spout：数据源（Spout）是拓扑中数据流的来源。一般 Spout 会从一个外部的数据源读取元组然后将他们发送到拓扑中。根据需求的不同，Spout 既可以定义为可靠的数据源，也可以定义为不可靠的数据源。一个可靠的 Spout 能够在它发送的元