企业🤖AI智能体构建引擎,智能编排和调试,一键部署,支持私有化部署方案 广告
[**可靠的消息 VS 不可靠的消息**](http://ifeve.com/getting-started-with-storm-4/#reliable-versus-unreliable-messages) 在设计拓扑结构时,始终在头脑中记着的一件重要事情就是消息的可靠性。当有无法处理的消息时,你就要决定该怎么办,以及作为一个整体的拓扑结构该做些什么。举个例子,在处理银行存款时,不要丢失任何事务报文就是很重要的事情。但是如果你要统计分析数以百万的tweeter消息,即使有一条丢失了,仍然可以认为你的结果是准确的。 对于Storm来说,根据每个拓扑的需要担保消息的可靠性是开发者的责任。这就涉及到消息可靠性和资源消耗之间的权衡。高可靠性的拓扑必须管理丢失的消息,必然消耗更多资源;可靠性较低的拓扑可能会丢失一些消息,占用的资源也相应更少。不论选择什么样的可靠性策略,Storm都提供了不同的工具来实现它。 要在*spout*中管理可靠性,你可以在分发时包含一个元组的消息ID(**collector.emit(new Values(…),tupleId)**)。在一个元组被正确的处理时调用**ack**方法,而在失败时调用**fail**方法。当一个元组被所有的靶*bolt*和锚*bolt*处理过,即可判定元组处理成功(你将在[第5章](http://ifeve.com/getting-started-with-storm-5)学到更多锚*bolt*知识)。 发生下列情况之一时为元组处理失败: * 提供数据的*spout*调用**collector.fail(tuple)** * 处理时间超过配置的超时时间 让我们来看一个例子。想象你正在处理银行事务,需求如下: * 如果事务失败了,重新发送消息 * 如果失败了太多次,终结拓扑运行 创建一个*spout*和一个*bolt*,*spout*随机发送100个事务ID,有80%的元组不会被*bolt*收到(你可以在[例子ch04-spout](https://github.com/storm-book/examples-ch04-spouts/)查看完整代码)。实现*spout*时利用**Map**分发事务消息元组,这样就比较容易实现重发消息。 ~~~ public void nextTuple() { if(!toSend.isEmpty()){ for(Map.Entry<Integer, String> transactionEntry : toSend.entrySet()){ Integer transactionId = transactionEntry.getKey(); String transactionMessage = transactionEntry.getValue(); collector.emit(new Values(transactionMessage),transactionId); } toSend.clear(); } } ~~~ 如果有未发送的消息,得到每条事务消息和它的关联ID,把它们作为一个元组发送出去,最后清空消息队列。值得一提的是,调用map的**clear**是安全的,因为**nextTuple**失败时,只有**ack**方法会修改map,而它们都运行在一个线程内。 维护两个map用来跟踪待发送的事务消息和每个事务的失败次数。**ack**方法只是简单的把事务从每个列表中删除。 ~~~ public void ack(Object msgId) { messages.remove(msgId); failCounterMessages.remove(msgId); } ~~~ **fail**方法决定应该重新发送一条消息,还是已经失败太多次而放弃它。 **NOTE:**如果你使用全部数据流组,而拓扑里的所有*bolt*都失败了,*spout*的**fail**方法才会被调用。 ~~~ public void fail(Object msgId) { Integer transactionId = (Integer) msgId; //检查事务失败次数 Integer failures = transactionFailureCount.get(transactionId) + 1; if(failes >= MAX_FAILS){ //失败数太高了,终止拓扑 throw new RuntimeException("错误, transaction id 【"+ transactionId+"】 已失败太多次了 【"+failures+"】"); } //失败次数没有达到最大数,保存这个数字并重发此消息 transactionFailureCount.put(transactionId, failures); toSend.put(transactionId, messages.get(transactionId)); LOG.info("重发消息【"+msgId+"】"); } ~~~ 首先,检查事务失败次数。如果一个事务失败次数太多,通过抛出**RuntimeException**终止发送此条消息的工人。否则,保存失败次数,并把消息放入待发送队列(**toSend**),它就会再次调用**nextTuple**时得以重新发送。 **NOTE:**Storm节点不维护状态,因此如果你在内存保存信息(就像本例做的那样),而节点又不幸挂了,你就会丢失所有缓存的消息。 Storm是一个快速失败的系统。拓扑会在抛出异常时挂掉,然后再由Storm重启,恢复到抛出异常前的状态。 ## **获取数据** 接下来你会了解到一些设计*spout*的技巧,帮助你从多数据源获取数据。 ### **直接连接** 在一个直接连接的架构中,spout直接与一个消息分发器连接(见图4-1)。 [![图4-1直接连接的spout](https://box.kancloud.cn/2015-09-21_55ffedd410f5d.png)](http://ifeve.com/%e7%ac%ac%e5%9b%9b%e7%ab%a0spouts/%e5%9b%be4-1%e7%9b%b4%e6%8e%a5%e8%bf%9e%e6%8e%a5%e7%9a%84spout/) 图4-1 直接连接的*spout* 这个架构很容易实现,尤其是在消息分发器是已知设备或已知设备组时。已知设备满足:拓扑从启动时就已知道该设备,并贯穿拓扑的整个生命周期保持不变。未知设备就是在拓扑运行期添加进来的。已知设备组就是从拓扑启动时组内所有设备都是已知的。 下面举个例子说明这一点。创建一个spout使用[Twitter流API](https://dev.twitter.com/docs/streaming-api)读取twitter数据流。spout把API当作消息分发器直接连接。从数据流中得到符合**track**参数的公共tweets(参考twitter开发页面)。完整的例子可以在链接[https://github.com/storm-book/examples-ch04-spouts/](https://github.com/storm-book/examples-ch04-spouts/)找到。 *spout*从配置对象得到连接参数(**track,user,password**),并连接到API(在这个例子中使用[Apache](http://apache.org/)的[DefaultHttpClient](http://hc.apache.org/httpcomponents-client-ga/httpclient/apidocs/org/apache/http/impl/client/DefaultHttpClient.html))。它一次读一行数据,并把数据从JSON转化成Java对象,然后发布它。 ~~~ public void nextTuple() { //创建http客户端 client = new DefaultHttpClient(); client.setCredentialsProvider(credentialProvider); HttpGet get = new HttpGet(STREAMING_API_URL+track); HttpResponse response; try { //执行http访问 response = client.execute(get); StatusLine status = response.getStatusLine(); if(status.getStatusCode() == 200){ InputStream inputStream = response.getEntity().getContent(); BufferedReader reader = new BufferedReader(new InputStreamReader(inputStream)); String in; //逐行读取数据 while((in = reader.readLine())!=null){ try{ //转化并发布消息 Object json = jsonParser.parse(in); collector.emit(new Values(track,json)); }catch (ParseException e) { LOG.error("Error parsing message from twitter",e); } } } } catch (IOException e) { LOG.error("Error in communication with twitter api ["+get.getURI().toString()+"], sleeping 10s"); try { Thread.sleep(10000); } catch (InterruptedException e1) {} } } ~~~ **NOTE:**在这里你锁定了**nextTuple**方法,所以你永远也不会执行**ack**和**fail**方法。在真实的应用中,我们推荐你在一个单独的线程中执行锁定,并维持一个内部队列用来交换数据(你会在下一个例子中学到如何实现这一点:[消息队列](http://ifeve.com/getting-started-with-storm-4/#enqueued-messages))。 棒极了! 现在你用一个*spout*读取Twitter数据。一个明智的做法是,采用拓扑并行化,多个*spout*从同一个流读取数据的不同部分。那么如果你有多个流要读取,你该怎么做呢?Storm的第二个有趣的特性(译者注:第一个有趣的特性已经出现过,这句话原文都是一样的,不过按照中文的行文习惯还是不重复使用措词了)是,你可以在任意组件内(*spouts/bolts*)访问**TopologyContext**。利用这一特性,你能够把流划分到多个*spouts*读取。 ~~~ public void open(Map conf, TopologyContext context, SpoutOutputCollector collector) { //从context对象获取spout大小 int spoutsSize = context.getComponentTasks(context.getThisComponentId()).size(); //从这个spout得到任务id int myIdx = context.getThisTaskIndex(); String[] tracks = ((String) conf.get("track")).split(","); StringBuffer tracksBuffer = new StringBuffer(); for(int i=0; i< tracks.length;i++){ //Check if this spout must read the track word if( i % spoutsSize == myIdx){ tracksBuffer.append(","); tracksBuffer.append(tracks[i]); } } if(tracksBuffer.length() == 0) { throw new RuntimeException("没有为spout得到track配置" + " [spouts大小:"+spoutsSize+", tracks:"+tracks.length+"] tracks的数量必须高于spout的数量"); this.track =tracksBuffer.substring(1).toString(); } ... } ~~~ 利用这一技巧,你可以把collector对象均匀的分配给多个数据源,当然也可以应用到其它的情形。比如说,从web服务器收集日志文件见图4-2 [![图4-2直连hash](https://box.kancloud.cn/2015-09-21_55ffedd45d1fe.png)](http://ifeve.com/%e7%ac%ac%e5%9b%9b%e7%ab%a0spouts/%e5%9b%be4-2%e7%9b%b4%e8%bf%9ehash-2/) 图4-2 直连hash 通过上一个例子,你学会了从一个*spout*连接到已知设备。你也可以使用相同的方法连接未知设备,不过这时你需要借助于一个协同系统维护的设备列表。协同系统负责探察列表的变化,并根据变化创建或销毁连接。比如,从web服务器收集日志文件时,web服务器列表可能随着时间变化。当添加一台web服务器时,协同系统探查到变化并为它创建一个新的*spout*。见图4-3 [![图4-3直连协同](https://box.kancloud.cn/2015-09-21_55ffedd51b19b.png)](http://ifeve.com/%e7%ac%ac%e5%9b%9b%e7%ab%a0spouts/%e5%9b%be4-3%e7%9b%b4%e8%bf%9e%e5%8d%8f%e5%90%8c/) 图4-3 直连协同 [**消息队列**](http://ifeve.com/getting-started-with-storm-4/#enqueued-messages) 第二种方法是,通过一个队列系统接收来自消息分发器的消息,并把消息转发给*spout*。更进一步的做法是,把队列系统作为*spout*和数据源之间的中间件,在许多情况下,你可以利用多队列系统的重播能力增强队列可靠性。这意味着你不需要知道有关消息分发器的任何事情,而且添加或移除分发器的操作比直接连接简单的多。这个架构的问题在于队列是一个故障点,另外你还要为处理流程引入新的环节。 图4-4展示了这一架构模型 [![图4-4使用队列系统](https://box.kancloud.cn/2015-09-21_55ffedd64c311.png)](http://ifeve.com/%e7%ac%ac%e5%9b%9b%e7%ab%a0spouts/%e5%9b%be4-4%e4%bd%bf%e7%94%a8%e9%98%9f%e5%88%97%e7%b3%bb%e7%bb%9f/) 图4-4 使用队列系统 **NOTE:**你可以通过轮询队列或哈希队列(把队列消息通过哈希发送给*spouts*或创建多个队列使队列*spouts*一一对应)在多个*spouts*之间实现并行性。 接下来我们利用[Redis](http://redis.io/)和它的java库[Jedis](https://github.com/xetorthio/jedis)创建一个队列系统。在这个例子中,我们创建一个日志处理器从一个未知的来源收集日志,利用**lpush**命令把消息插入队列,利用**blpop**命令等待消息。如果你有很多处理过程,blpop命令采用了轮询方式获取消息。 我们在*spout*的**open**方法创建一个线程,用来获取消息(使用线程是为了避免锁定**nextTuple**在主循环的调用): ~~~ new Thread(new Runnable() { @Override public void run() { try{ Jedis client= new Jedis(redisHost, redisPort); List res = client.blpop(Integer.MAX_VALUE, queues); messages.offer(res.get(1)); }catch(Exception e){ LOG.error("从redis读取队列出错",e); try { Thread.sleep(100); }catch(InterruptedException e1){} } } }).start(); ~~~ 这个线程的惟一目的就是,创建redis连接,然后执行**blpop**命令。每当收到了一个消息,它就被添加到一个内部消息队列,然后会被**nextTuple**消费。对于*spout*来说数据源就是redis队列,它不知道消息分发者在哪里也不知道消息的数量。 **NOTE:**我们不推荐你在*spout*创建太多线程,因为每个spout都运行在不同的线程。一个更好的替代方案是增加拓扑并行性,也就是通过Storm集群在分布式环境创建更多线程。 在**nextTuple**方法中,要做的惟一的事情就是从内部消息队列获取消息并再次分发它们。 ~~~ public void nextTuple(){ while(!messages.isEmpty()){ collector.emit(new Values(messages.poll())); } } ~~~ **NOTE:**你还可以借助redis在*spout*实现消息重发,从而实现可靠的拓扑。(译者注:这里是相对于开头的**可靠的消息VS不可靠的消息**讲的) **DRPC** DRPCSpout从DRPC服务器接收一个函数调用,并执行它(见[第三章的例子](http://ifeve.com/getting-started-with-storm-3#drpc-topology))。对于最常见的情况,使用[backtype.storm.drpc.DRPCSpout](http://nathanmarz.github.io/storm/doc/backtype/storm/drpc/DRPCSpout.html)就足够了,不过仍然有可能利用Storm包内的DRPC类创建自己的实现。 **小结** 现在你已经学习了常见的*spout*实现模式,它们的优势,以及如何确保消息可靠性。不存在适用于所有拓扑的架构模式。如果你知道数据源,并且能够控制它们,你就可以使用直接连接;然而如果你需要添加未知数据源或从多种数据源接收数据,就最好使用消息队列。如果你要执行在线过程,你可以使用DRPCSpout或类似的实现。 你已经学习了三种常见连接方式,不过依赖于你的需求仍然有无限的可能。 **原创文章,转载请注明:** 转载自[并发编程网 – ifeve.com](http://ifeve.com/) **本文链接地址:** [Storm入门之第四章Spouts](http://ifeve.com/getting-started-with-storm-4/)