Storm事务API

Spout
ITransactionalSpout<T>，同BaseTransactionalSpout<T>，普通事务Spout
IPartitionedTransactionalSpout<T>，同BasePartitionedTransactionalSpout<T>，分区事务Spout
IOpaquePartitionedTransactionalSpout<T>：同BaseOpaquePartitionedTransactionalSpout<T>，不透明分区事务Spout


Bolt
IBatchBolt<T>：同BaseBatchBolt<T>，普通批处理
BaseTransactionalBolt：事务Bolt

接口Icommitter：标识IBatchBolt 或BaseTransactionalBolt是否是一个committerCoordinatedBolt


[size=large]ITransactionalSpout<T>普通事务Spout[/size]
ITransactionalSpout<T>：普通事务Spout
-- ITransactionalSpout.Coordinator<X>
--initializeTransaction(BigInteger txid, X prevMetadata) ：创建一个新的metadata，当isReady() 为true时，发射该metadata（事务tuple）到“batch emit”流
--isReady() ：为true时启动新事务，需要时可以在此sleep

-- ITransactionalSpout.Emitter<X>
-- emitBatch(TransactionAttempt tx, X coordinatorMeta, BatchOutputCollector collector) ：逐个发射batch的tuple


[size=large]IPartitionedTransactionalSpout<T>：分区事务Spout[/size]
IPartitionedTransactionalSpout<T>：分区事务Spout，主流事务Spout，原因是目前主流Message Queue都支持分区，分区的作用是增加MQ的吞吐量（每个分区作为一个数据源发送点），主流MQ如Kafka、RocketMQ
-- IPartitionedTransactionalSpout.Coordinator
-- isReady() ：同上
-- numPartitions() ：返回分区个数。当增加了数据源新分区，同时一个事务被replayed ，此时则不发射新分区的tuples，因为它知道该事务中有多少个分区。

-- IPartitionedTransactionalSpout.Emitter<X>
--emitPartitionBatchNew(TransactionAttempt tx, BatchOutputCollector collector, int partition, X lastPartitionMeta) ：发射一个新的Batch，返回Metadata
--emitPartitionBatch(TransactionAttempt tx, BatchOutputCollector collector, int partition, X partitionMeta) ：如果这批消息Bolt消费失败了，emitPartitionBatch负责重发这批消息

[size=large]IOpaquePartitionedTransactionalSpout:不透明分区事务Spout[/size]
IOpaquePartitionedTransactionalSpout<T>：不透明分区事务Spout
--IOpaquePartitionedTransactionalSpout.Coordinator
--isReady() ：同上 --IOpaquePartitionedTransactionalSpout.Emitter<X>
-- emitPartitionBatch(TransactionAttempt tx, BatchOutputCollector collector, int partition, X lastPartitionMeta)
-- numPartitions()

它不区分发新消息还是重发旧消息，全部用emitPartitionBatch搞定。虽然emitPartitionBatch返回的X应该是下一批次供自己使用的（emitPartitionBatch的第4个参数），但是只有一个批次成功以后X才会更新到ZooKeeper中，如果失败重发，emitPartitionBatch读取的X还是旧的。所以这时候自定义的X不需要记录当前批次的开始位置和下一批次的开始位置两个值，只需要记录下一批次开始位置一个值即可，例如：
public class BatchMeta {     
public long  nextOffset; //下一批次的偏移量    
}