标签：修改 ack com executors 批量导入数据 process too baidu app
===> 什么是 Storm?--> Twitter将Storm正式开源了，这是一个分布式的、容错的实时计算系统,遵循 Eclipse Public License 1.0。
--> Storm是由BackType开发的实时处理系统，BackType现在已在Twitter麾下。
--> Storm为分布式实时计算提供了一组通用原语，可被用于“流处理”之中，实时处理消息并更新数据库。
Storm也可被用于“连续计算”（continuous computation），对数据流做连续查询，在计算时就将结果以流的形式输出给用
户。它还可被用于“分布式RPC”，以并行的方式运行昂贵的运算。
--> Storm的主工程师Nathan Marz表示：Storm可以方便地在一个计算机集群中编写与扩展复杂的实时计算，
Storm用于实时处理，就好比 Hadoop 用于批处理。
Storm保证每个消息都会得到处理，而且它很快——在一个小集群中，每秒可以处理数以百万计的消息。更棒的是你可以使用
任意编程语言来做开发
===> Storm 支持离线计算和流式计算
--> 离线计算：批量获取数据，批量传输数据，周期性比量计算数据，数据展示（Sqoop-->HDFS--> MR ---> HDFS）
--- 代表技术：
-- Sqoop 批量导入数据
-- HDFS 批量存储数据
-- MapReduce 批量计算
-- Hive
--> 流式计算：数据实时产生，数据实时传输，数据实时计算，实时展示（Flume ---> Kafka ---> 流式计算 ---> Redis）
--- 代表技术：
-- Flume 实时获取数据
-- Kafka/metaq 实时数据存储
-- Storm/JStorm 实时数据计算
-- Redis 实时结果缓存，持久化存储（MySQL）
===> Storm 与 Hadoop 的区别
-->
| Storm | Hadoop |
| 用于实时计算 | 用于离线计算 |
| 处理的数据保存在内存中，连连不断 | 处理的数据保存在文件系统中 |
| 数据通过网络传输进来 | 从 HDFS 平台获取数据 |
===> Storm 体系结构
===> Storm 运行流程
--> Storm 结构中各部分职责：
--- Nimbus:
负责资源分配和任务调度
--- Supervisor:
负责接受 Nimbus 分配的任务，启动和停止属于自己管理的 worker 进程
（*）可通过配置文件设置当前 supervisor 上启动几个 worker 进程
--- Worker:
运行具体处理 组件逻辑 ，任务类型有两种：
-- Spout任务
-- Bolt 任务
--- Executor:
Storm 0.8 之后， Executor 为 Worker 进程中的具体的物理线程，同一个 Spout/Bolt的 Task可能会共享一个物理线程,一个 Executor 中只能运行隶属于同一个 Spout/Bolt 的 Task
--- Task:
worker 中每一个 spout/bolt 的线程称为一个 task， 在 storm0.8 之后， task 不再与物理线程对应，不同 spout/bolt 的 task 可能会共享一个物理线程，该 线程称为 executor
===> Strom 伪分布式安装部署
--> 安装前需要部署 Zookeeper 环境，参见：http://blog.51cto.com/songqinglong/2062909
--> 解压：
tar zxf apache-storm-1.0.3.tar.gz -C /app
--> 配置环境变量
vim ~/.bash_profile # storm_home STORM_HOME=/app/apache-storm-1.0.3 export STORM_HOME PATH=$STORM_HOME/bin:$PATH export PATH
--> 修改配置文件
vim $STORM_HOME/conf/storm.yaml # 此处指定 zookeeper 节点 storm.zookeeper.servers: - "192.168.10.210" # # nimbus.seeds: ["host1", "host2", "host3"] # 此处指定 nimbus 节点 nimbus.seeds: ["192.168.10.210"] # 每个从节点上的worker个数 supervisor.slots:ports: - 6700 - 6701 - 6702 - 6703 # # 开启任务 Debug 功能 "topology.eventlogger.executors": 1 # 任务上传后，保存的目录 storm.local.dir: "/data/storm_data"
--> 启动Storm
--- 伪分部模式：
storm nimbus & storm ui & # 可以通过 http 的方式查看：http://ip:8080 storm supervisor & storm logviewer &
--- 完全分部式：
-- 主节点
storm nimbus & storm ui & storm logviewer &
-- 从节点
storm supervisor storm logviewer
--> 查看: http://ip:8080
===> Strom 完全分布式安装部署
--> 安装方式与伪分布式基本相同，只需要将安装目录copy 到其它节点上即可
===> Storm HA
--> 只需修改storm.yaml 文件中的 nimbus.seeds: ["bigdata1"] ，将主机加入到此列表中，并在主机上启动 nimbus 即可
===> Storm 常用命令
--> 提交任务
--- 格式：storm jar ***.jar [Toplogy名字：类名字] 别名
--- 示例：
storm jar storm-starter-topologies-1.0.3.jar org.apache.storm.starter.WordCountTopology MyWordCountExample
--> 杀死任务
--- 格式：storm kill 任务名称 -w 10 注： -w 等待秒数
--- 示例：
storm kill MyWordCountExample -w 10
--> 停用任务
--- 格式：storm deactivte 任务名称
--- 示例：
storm deactivte MyWordCountExample
--- 格式：storm activate 任务名称
--- 示例：
storm activate MyWordCountExample
--> 重新部署任务
--- 格式：storm rebalance 任务名称
--- 示例：
storm rebalance MyWordCountExample
--- (*) 当集群有所变动，此命令将会信用拓扑，然后在相应的超时时间内重启拓扑，重新分配任务
===> Storm 中 WordCount 程序流程分析
--> 通过查看 Storm UI 上每个组件的events 链接，可以查看 Storm 的每个组件（spout/blot）发送的消息
--> 需要开启 Debug 功能，在配置文件中添加下列参数并重新启动 storm
"topology.eventlogger.executors": 1
-->
===> Storm 编程模型
--> Topology: Storm 中运行的一个实时应用程序的名称
--> Spout: 在一个topology 中获取源数据流，然后转换为 topology 的内部源数据
--> Bolt: 接受数据然后执行处理，用户可以在其中执行自己想要的操作
--> Tuple: 一次消息传递的基本单元