storm的基本概念
1.storm vs mapReduce对比,storm面向实时处理。mapReduce面向批量
mapReduce 优点:稳定、吞吐能力强。缺点:时效性差。特点:批处理,hadoop任务执行结束。
storm优点:时效性强,毫秒级别。缺点:吞吐差。特点:增量式处理,strom任务没有结束。
2.storm没有持久化层,本地模式
3.storm的基本概念:
stream:数据流
Topology:网络拓扑
Grouping:Shuffle、Fields
Topology的定义是一个Thrift结构(Nimbus):实现跨语言
Spout:消息生产者
接收消息是否成功处理,至于具体消息如何处理,特别是收到failed消息时处理的策略由用户开发
对接数据源丰富
可以发送多条流
Bolt:消息处理逻辑
过滤逻辑、访问外部服务、数据格式化、聚合、汇总、业务处理
可以发送多条流
4、常见模式:
1) 流式
2) 持续计算——机器学习(在线学习)
3) 分布式RPC
5、Storm架构:
Nimbus:主节点——分配工作
如果挂掉,重启后像什么都没发生一样,无状态特点,快速失败(fail-fast)
工作:
分发代码,分配任务,监控
Supervisor:从节点
快速失败(fail-fast)
工作:监控worker工作
Worker:工作进程
Task:线程
spout/bolt的线程称为一个task
一个executor内部可以维护多个task,但是每次只会执行一个task
zookeeper:协调
6、容错
1) 架构容错
2) 数据容错:
a、timeout
b、ack机制:通过异或完成树遍历优化
ack是由一组特殊的task来维护:一致性hash算法完成ack高可用
ack个数如果设置太少——影响性能
ack个数如果设置太多——浪费空间