Apache Storm简介及安装部署

Apache Storm是一个分布式的、可靠的、容错的实时数据流处理框架。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。

一、Apache 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：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：数据流（Streams）是 Storm 中最核心的抽象概念。一个数据流指的是在分布式环境中并行创建、处理的一组元组（tuple）的无界序列。数据流可以由一种能够表述数据流中元组的域（fields）的模式来定义。

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 能够在它发送的元组处理失败时重新发送该元组，以确保所有的元组都能得到正确的处理；相对应的，不可靠的 Spout 就不会在元组发送之后对元组进行任何其他的处理。一个 Spout 可以发送多个数据流。

Bolt：拓扑中所有的数据处理均是由 Bolt 完成的。通过数据过滤（filtering）、函数处理（functions）、聚合（aggregations）、联结（joins）、数据库交互等功能，Bolt 几乎能够完成任何一种数据处理需求。一个 Bolt 可以实现简单的数据流转换，而更复杂的数据流变换通常需要使用多个 Bolt 并通过多个步骤完成。

Stream grouping：为拓扑中的每个 Bolt 的确定输入数据流是定义一个拓扑的重要环节。数据流分组定义了在 Bolt 的不同任务（tasks）中划分数据流的方式。在 Storm 中有八种内置的数据流分组方式。

Reliability：可靠性。Storm 可以通过拓扑来确保每个发送的元组都能得到正确处理。通过跟踪由 Spout 发出的每个元组构成的元组树可以确定元组是否已经完成处理。每个拓扑都有一个“消息延时”参数，如果 Storm 在延时时间内没有检测到元组是否处理完成，就会将该元组标记为处理失败，并会在稍后重新发送该元组。

二、Apache Storm的集群架构图

Zookeeper对于Storm集群来说至关重要，它负责Nimbus和Supervisor之间的通信。Nimbus从Zk中监控各个Supervisor的节点状态，通过ZK将任务分发下去。Supervisor会定时从Zk

中获取Topology、任务分配信息以及汇报心跳等等。

三、Apache Storm拓扑图

一个拓扑中可以有多个Spout和多个Bolt进行协作完成。

四、Apache Storm集群安装部署

4.1 软件环境

三台机器datadev1(Nimbus)、datadev2(Supervisor)、datadev3(Supervisor)

上面安装JDK1.7+、Python2.6.6、Zookeeper3.4.6、Apache Storm1.1.1

Storm安装目录位于/opt/storm/current

4.2 配置Storm

vi /etc/profile

export STORM_HOME=/opt/storm/current

export PATH=$STORM_HOME/bin:$PATH

cd $STORM_HOME/conf

vi storm.yaml

## Storm 关联的 ZooKeeper 集群的地址列表

storm.zookeeper.servers:

    - "datadev1"

    - "datadev2"

    - "datadev3"

## Nimbus 和 Supervisor 后台进程都需要一个用于存放一些状态数据（比如 jar 包、配置文件等等）的目录

storm.local.dir: "/home/data/storm"

##用于配置主控节点的地址，可以配置多个。从Storm1.0开始，支持Nimbus的HA。

nimbus.seeds: ["datadev1"]

##配置每个 Supervisor 机器能够运行的工作进程（worker）数。每个 worker 都需要一个单独的端口来接收消息，

##这个配置项就定义了 worker 可以使用的端口列表。如果你在这里定义了 5 个端口，那么 Storm 就会在该机器上分配最多 5 个worker。

##如果定义 3 个端口，那 Storm 至多只会运行三个 worker。

supervisor.slots.ports:

    - 6700

    - 6701

    - 6702

以上配置好后，将配置文件分发至其他节点。

4.3 启动Storm集群

在datadev1节点上启动Nimbus和UI：

cd $STORM_HOME/bin

nohup storm ui >/dev/null 2>&1 &

nohup storm nimbus >/dev/null 2>&1 &

在datadev2和datadev3节点上启动Supervisor：

nohup storm supervisor >/dev/null 2>&1 &

4.4 Storm UI

默认启动在8080端口，使用浏览器访问http://datadev1:8080

作者：风火数据
链接：https://www.jianshu.com/p/7fa732b123d3