Storm流是什么，原理是怎样的？

最新推荐文章于 2022-07-19 09:43:12 发布

原创最新推荐文章于 2022-07-19 09:43:12 发布 · 292 阅读

0 ·

CC 4.0 BY-SA版权

storm分布式计算模式专栏收录该内容

4 篇文章

订阅专栏

本文解析了Storm中OutputCollector的工作原理，揭示了流(stream)与组件(component)映射的层级结构，并探讨了如何通过TopologyContext实现不同Topologies间同名流的隔离。重点在于理解stream->component->grouper映射及其在Topology粒度的角色。

storm中，各个组件通过OutputCollector发送tuple。通过这个类中的emit或者emitDirect方法，可以将指定的tuple发送给指定流。这个流在底层的实现是怎样的？多个Topology都使用默认流时，如何做到隔离？

看OutputCollector的代码，是一个代理类，实现了IOutputCollector接口，创建它的对象时会传入实际的委托类，那么这个OutputCollector委托类是是从哪里来的呢？从委托类的代码中，获取我们能解决最初的问题。

`executor.clj`

在这里插入图片描述

`task.clj`

在这里插入图片描述

这里调用mk-task-fn，传入的是task-data，返回值为一个函数，这个函数参数与emit或者emitDirect一样，根据要发送的消息确定接收的task-id集合。

在这里插入图片描述

137行的stream->component->grouper很重要，这是executor.clj中定义的一个map（HashMap<stream, HashMap<component, grouper>>），描述了Topology中stream、component（bolt或者spout）及对应grouper（shuffleGrouping、fieldsGrouping等）的映射关系。

所以，stream只是一个stream->component->grouper中的一个key，一个Topology的所有信息会存在对应的TopologyContext实例中。因此借助TopologyContext也实现了不同Topology间的相同名steam的隔离，stream->component->grouper也就成了Topology粒度的一个map。