JStorm Storm 上手demo
--------------------------------------------------------------------------------------------------------------------------------------------
在全面介紹Storm之前,我們先通過一個簡單的Demo讓大家整體感受一下什麼是Storm。
Storm執行模式:- 本地模式(Local Mode): 即Topology(相當於一個任務,後續會詳細講解) 執行在本地機器的單一JVM上,這個模式主要用來開發、除錯。
- 遠端模式(Remote Mode):在這個模式,我們把我們的Topology提交到叢集,在這個模式中,Storm的所有元件都是執行緒安全的,因為它們都會執行在不同的Jvm或物理機器上,這個模式就是正式的生產模式。
寫一個HelloWord Storm
我們現在建立這麼一個應用,統計文字檔案中的單詞個數,詳細學習過Hadoop的朋友都應該寫過。那麼我們需要具體建立這樣一個Topology,用一個spout負責讀取文字檔案,用第一個bolt來解析成單詞,用第二個bolt來對解析出的單詞計數,整體結構如圖所示:
可以從這裡下載原始碼:http://download.csdn.net/detail/xunzaosiyecao/9818483
寫一個可執行的Demo很簡單,我們只需要三步:
- 建立一個Spout讀取資料
- 建立bolt處理資料
- 建立一個Topology提交到叢集
下面我們就寫一下,以下程式碼拷貝到eclipse(依賴的jar包到官網下載即可)即可執行。
1.建立一個Spout作為資料來源
Spout作為資料來源,它實現了IRichSpout介面,功能是讀取一個文字檔案並把它的每一行內容傳送給bolt。
package storm.demo.spout;
import java.io.BufferedReader;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.util.Map;
import backtype.storm.spout.SpoutOutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.IRichSpout;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.tuple.Fields;
import backtype.storm.tuple.Values;
public class WordReader implements IRichSpout {
private static final long serialVersionUID = 1L;
private SpoutOutputCollector collector;
private FileReader fileReader;
private boolean completed = false;
public boolean isDistributed() {
return false;
}
/**
* 這是第一個方法,裡面接收了三個引數,第一個是建立Topology時的配置,
* 第二個是所有的Topology資料,第三個是用來把Spout的資料發射給bolt
* **/
@Override
public void open(Map conf, TopologyContext context,
SpoutOutputCollector collector) {
try {
//獲取建立Topology時指定的要讀取的檔案路徑
this.fileReader = new FileReader(conf.get("wordsFile").toString());
} catch (FileNotFoundException e) {
throw new RuntimeException("Error reading file ["
+ conf.get("wordFile") + "]");
}
//初始化發射器
this.collector = collector;
}
/**
* 這是Spout最主要的方法,在這裡我們讀取文字檔案,並把它的每一行發射出去(給bolt)
* 這個方法會不斷被呼叫,為了降低它對CPU的消耗,當任務完成時讓它sleep一下
* **/
@Override
public void nextTuple() {
if (completed) {
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
// Do nothing
}
return;
}
String str;
// Open the reader
BufferedReader reader = new BufferedReader(fileReader);
try {
// Read all lines
while ((str = reader.readLine()) != null) {
/**
* 發射每一行,Values是一個ArrayList的實現
*/
this.collector.emit(new Values(str), str);
}
} catch (Exception e) {
throw new RuntimeException("Error reading tuple", e);
} finally {
completed = true;
}
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields("line"));
}
@Override
public void close() {
// TODO Auto-generated method stub
}
@Override
public void activate() {
// TODO Auto-generated method stub
}
@Override
public void deactivate() {
// TODO Auto-generated method stub
}
@Override
public void ack(Object msgId) {
System.out.println("OK:" + msgId);
}
@Override
public void fail(Object msgId) {
System.out.println("FAIL:" + msgId);
}
@Override
public Map<String, Object> getComponentConfiguration() {
// TODO Auto-generated method stub
return null;
}
}
2.建立兩個bolt來處理Spout發射出的資料
Spout已經成功讀取檔案並把每一行作為一個tuple(在Storm資料以tuple的形式傳遞)發射過來,我們這裡需要建立兩個bolt分別來負責解析每一行和對單詞計數。
Bolt中最重要的是execute方法,每當一個tuple傳過來時它便會被呼叫。
第一個bolt:WordNormalizer
package storm.demo.bolt;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import backtype.storm.task.OutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.IRichBolt;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.tuple.Fields;
import backtype.storm.tuple.Tuple;
import backtype.storm.tuple.Values;
public class WordNormalizer implements IRichBolt {
private OutputCollector collector;
@Override
public void prepare(Map stormConf, TopologyContext context,
OutputCollector collector) {
this.collector = collector;
}
/**這是bolt中最重要的方法,每當接收到一個tuple時,此方法便被呼叫
* 這個方法的作用就是把文字檔案中的每一行切分成一個個單詞,並把這些單詞發射出去(給下一個bolt處理)
* **/
@Override
public void execute(Tuple input) {
String sentence = input.getString(0);
String[] words = sentence.split(" ");
for (String word : words) {
word = word.trim();
if (!word.isEmpty()) {
word = word.toLowerCase();
// Emit the word
List a = new ArrayList();
a.add(input);
collector.emit(a, new Values(word));
}
}
//確認成功處理一個tuple
collector.ack(input);
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields("word"));
}
@Override
public void cleanup() {
// TODO Auto-generated method stub
}
@Override
public Map<String, Object> getComponentConfiguration() {
// TODO Auto-generated method stub
return null;
}
}
第二個bolt:WordCounterpackage storm.demo.bolt;
import java.util.HashMap;
import java.util.Map;
import backtype.storm.task.OutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.IRichBolt;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.tuple.Tuple;
public class WordCounter implements IRichBolt {
Integer id;
String name;
Map<String, Integer> counters;
private OutputCollector collector;
@Override
public void prepare(Map stormConf, TopologyContext context,
OutputCollector collector) {
this.counters = new HashMap<String, Integer>();
this.collector = collector;
this.name = context.getThisComponentId();
this.id = context.getThisTaskId();
}
@Override
public void execute(Tuple input) {
String str = input.getString(0);
if (!counters.containsKey(str)) {
counters.put(str, 1);
} else {
Integer c = counters.get(str) + 1;
counters.put(str, c);
}
// 確認成功處理一個tuple
collector.ack(input);
}
/**
* Topology執行完畢的清理工作,比如關閉連線、釋放資源等操作都會寫在這裡
* 因為這只是個Demo,我們用它來列印我們的計數器
* */
@Override
public void cleanup() {
System.out.println("-- Word Counter [" + name + "-" + id + "] --");
for (Map.Entry<String, Integer> entry : counters.entrySet()) {
System.out.println(entry.getKey() + ": " + entry.getValue());
}
counters.clear();
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
// TODO Auto-generated method stub
}
@Override
public Map<String, Object> getComponentConfiguration() {
// TODO Auto-generated method stub
return null;
}
}
3.在main函式中建立一個Topology
在這裡我們要建立一個Topology和一個LocalCluster物件,還有一個Config物件做一些配置。
package storm.demo;
import storm.demo.bolt.WordCounter;
import storm.demo.bolt.WordNormalizer;
import storm.demo.spout.WordReader;
import backtype.storm.Config;
import backtype.storm.LocalCluster;
import backtype.storm.topology.TopologyBuilder;
import backtype.storm.tuple.Fields;
public class WordCountTopologyMain {
public static void main(String[] args) throws InterruptedException {
//定義一個Topology
TopologyBuilder builder = new TopologyBuilder();
builder.setSpout("word-reader",new WordReader());
builder.setBolt("word-normalizer", new WordNormalizer())
.shuffleGrouping("word-reader");
builder.setBolt("word-counter", new WordCounter(),2)
.fieldsGrouping("word-normalizer", new Fields("word"));
//配置
Config conf = new Config();
conf.put("wordsFile", "d:/text.txt");
conf.setDebug(false);
//提交Topology
conf.put(Config.TOPOLOGY_MAX_SPOUT_PENDING, 1);
//建立一個本地模式cluster
LocalCluster cluster = new LocalCluster();
cluster.submitTopology("Getting-Started-Toplogie", conf,
builder.createTopology());
Thread.sleep(1000);
cluster.shutdown();
}
}
執行這個函式我們即可看到後臺列印出來的單詞個數。(ps:因為是Local模式,執行開始可能會列印很多錯誤log,這個先不用管)
---------------------------------------------------------------------------------------------------------------------------------------------
折線之間的內容整理自:http://blog.csdn.net/suifeng3051/article/details/38369689
以上是Storm的上手例子,那麼JStorm 應該如何寫呢?
我們用的是JStorm,但上面的可以不修改一行就可以在JStorm上跑起來。
<!-- Storm Dependency -->
<!-- <dependency>
<groupId>storm</groupId>
<artifactId>storm</artifactId>
<version>0.7.1</version>
</dependency>-->
<!-- JStorm Dependency -->
<dependency>
<groupId>com.alibaba.jstorm</groupId>
<artifactId>jstorm-core</artifactId>
<version>2.1.1</version>
</dependency>
修改程式碼中pom檔案的依賴項即可,其餘的不需要修改。小注:
如果不清楚如何使讀取config下word.txt,可以修改TopologyMain類,將其中的
//conf.put("wordsFile", args[0]);
//在conf新增路徑wordsFile的時候,可以將路徑寫死,弄成一個固定值
//比如:我這裡將word.txt放到了/usr/local/jstorm-2.2.1/wait_deploy/路徑下
conf.put("wordsFile", "/usr/local/jstorm-2.2.1/wait_deploy/word.txt");
如果是要執行在JStrom上,使用mvn打包命令:# 打包時跳過測試
mvn clean package -Dmaven.test.skip=true
將打包後的檔案提交到JStorm即可例如我這裡打包檔名為:Getting-Started-0.0.1-SNAPSHOT.jar,提交命令:
//提交jar
//jar包名稱:Getting-Started-0.0.1-SNAPSHOT.jar
//入口類:TopologyMain
//入口類需要引數的話,需要在入口類後面新增需要的引數
jstorm jar Getting-Started-0.0.1-SNAPSHOT.jar TopologyMain
#提交jar jstorm jar xxxxxx.jar com.alibaba.xxxx.xx parameter
- xxxx.jar 為打包後的jar
- com.alibaba.xxxx.xx 為入口類,即提交任務的類
- parameter即為提交引數
demo中部分函式及引數註釋:
setBolt方法中的引數parallelism_hint代表這樣一個Spout或Bolt有多少個例項,即對應多少個執行緒,一個例項對應一個執行緒。
注意理解spout及bolt:
spout:自定義獲取待處理流的地方
bolt:自定義處理流的地方
JStorm的安裝可以參考官網:https://github.com/alibaba/jstorm/wiki/JStorm-Chinese-Documentation
下午寫JStorm的demo花了一下午的時間,主要原因是:知道storm程式碼不需要修改就能跑在jstorm上,但上網搜資料的還是搜尋jstorm的案例,但網上大部分jstrom的demo都是跑不起來的,或者需要自己升級版本的。jstorm官網的Example,拉到本地後,也是各種報錯。
要寫jstorm的程式碼,搜尋storm,參考storm部分即可。
作者:jiankunking 出處:http://blog.csdn.net/jiankunking
相關文章
- JStorm-Alibaba——Storm的實時流式計算框架JSORM框架
- JStorm Found multiple defaults.yaml resources. You're probably bundling the Storm jars with your topJSORMYAMLJAR
- 【大資料】Summingbird(Storm + Hadoop)的demo執行大資料ORMHadoop
- JStorm-介紹JSORM
- 【預研】Storm C++ Wrapper demo的單機版本實現ORMC++APP
- Jstorm叢集搭建過程/Jstorm叢集一鍵安裝部署JSORM
- jstorm kafka外掛使用案例JSORMKafka
- Storm 系列(九)—— Storm 整合 KafkaORMKafka
- 【Storm篇】--Storm基礎概念ORM
- 【Storm篇】--Storm分組策略ORM
- Storm系列(六)storm和kafka整合ORMKafka
- 【Storm篇】--Storm併發機制ORM
- 【Storm篇】--Storm 容錯機制ORM
- 【大資料】Linux下Storm(0.9版本以上)的環境配置和小Demo大資料LinuxORM
- 【Storm篇】--Storm從初始到分散式搭建ORM分散式
- kafka+jstorm版本升級安裝(三)KafkaJSORM
- Storm 系列(三)—— Storm 單機版本環境搭建ORM
- Storm系列(三)java編寫第個storm程式ORMJava
- 【Storm篇】--Storm中的同步服務DRPCORMRPC
- Storm-原始碼分析-hook(backtype.storm.hooks)ORM原始碼Hook
- Apache基金會接受阿里開源JStorm捐贈Apache阿里JSORM
- kafka+storm+hbaseKafkaORM
- Storm Topology ParallelismORMParallel
- Storm與kafka整合ORMKafka
- storm安裝配置ORM
- Storm叢集搭建ORM
- Apache Storm系列 之二( 輕鬆搞定 Storm 安裝與啟動)ApacheORM
- 【Twitter Storm系列】flume-ng+Kafka+Storm+HDFS 實時系統搭建ORMKafka
- storm-kafka-client使用ORMKafkaclient
- Storm學習總結ORM
- 搞定storm-入門ORM
- storm 架構和原理ORM架構
- Storm大資料位置ORM大資料
- 使用monit監控stormORM
- Linux storm 安裝LinuxORM
- 一、storm基礎概念ORM
- Storm實戰之WordCountORM
- Storm實戰之TopNORM