storm 可靠性机制保证

本文属原创系列，转载请注明。

转自：http://blog.csdn.net/xeseo/article/details/17754825

 

对于Storm，它有一个很重要的特性：“Guarantee no data loss” ——可靠性

很显然，要做到这个特性，必须要track每个data的去向和结果。Storm是如何做到的呢——acker机制。

先概括下acker所参与的工作流程：

1. Spout创建一个新的Tuple时，会发一个消息通知acker去跟踪；

2. Bolt在处理Tuple成功或失败后，也会发一个消息通知acker；

3. acker会找到发射该Tuple的Spout，回调其ack或fail方法。

 

我们说RichBolt和BasicBolt的区别是后者会自动ack。那么是不是我们只要实现了Spout的ack或fail方法就能看到反馈了呢？

试试在RandomSpout中加入如下代码：

 

@Override
    public void ack(Object msgId) {
        System.err.println("ack " + msgId);
    }

    @Override
    public void fail(Object msgId) {
        System.err.println("fail " + msgId);
    }

重新运行ExclaimBasicTopo,看下结果。并没有任何的ack 和 fail 出现？

 

原因是，Storm要求如果要track一个Tuple，必须要指定其messageId，也就是回调回ack和fail方法的参数。如果我们不指定，Storm是不会去track该tuple的，即不保证消息丢失！

我们改下Spout代码，为每个消息加入一个唯一Id。同时，为了方便看结果，加入更多的打印，并且靠sleep减慢发送速度。（只是为了演示！）

 

public class RandomSpout extends BaseRichSpout {

    private SpoutOutputCollector collector;

    private Random rand;

    private AtomicInteger counter;

    private static String[] sentences = new String[] {"edi:I'm happy", "marry:I'm angry", "john:I'm sad", "ted:I'm excited", "laden:I'm dangerous"};

    @Override
    public void open(Map conf, TopologyContext context,
            SpoutOutputCollector collector) {
        this.collector = collector;
        this.rand = new Random();
        counter = new AtomicInteger();
    }

    @Override
    public void nextTuple() {
        Utils.sleep(5000);
        String toSay = sentences[rand.nextInt(sentences.length)];
        int msgId = this.counter.getAndIncrement();
        toSay = "["+ msgId + "]"+ toSay;
        PrintHelper.print("Send " + toSay );

        this.collector.emit(new Values(toSay), msgId);
    }

    @Override
    public void declareOutputFields(OutputFieldsDeclarer declarer) {
        declarer.declare(new Fields("sentence"));
    }

    @Override
    public void ack(Object msgId) {
        PrintHelper.print("ack " + msgId);
    }

    @Override
    public void fail(Object msgId) {
        PrintHelper.print("fail " + msgId);
    }

}

 

 

 

PrintHelper类：

 

public class PrintHelper {

    private static SimpleDateFormat sf = new SimpleDateFormat("mm:ss:SSS");

    public static void print(String out){
        System.err.println(sf.format(new Date()) + " [" + Thread.currentThread().getName() + "] " + out);
    }

}

 

同时把PrintBolt里面打印也换成PrintHelper.print打印

看下打印结果：

 

53:33:891 [Thread-26-spout] Send [0]ted:I'm excited
53:33:896 [Thread-20-print] Bolt[0] String recieved: [0]ted:I'm excited!
53:38:895 [Thread-26-spout] Send [1]edi:I'm happy
53:38:895 [Thread-22-print] Bolt[1] String recieved: [1]edi:I'm happy!
53:38:895 [Thread-26-spout] ack 0
53:43:896 [Thread-26-spout] Send [2]edi:I'm happy
53:43:896 [Thread-22-print] Bolt[1] String recieved: [2]edi:I'm happy!
53:43:896 [Thread-26-spout] ack 1
53:48:896 [Thread-26-spout] Send [3]edi:I'm happy
53:48:896 [Thread-26-spout] ack 2
53:48:896 [Thread-24-print] Bolt[2] String recieved: [3]edi:I'm happy!
53:53:896 [Thread-26-spout] Send [4]ted:I'm excited
53:53:896 [Thread-26-spout] ack 3
53:53:896 [Thread-20-print] Bolt[0] String recieved: [4]ted:I'm excited!
53:58:897 [Thread-26-spout] Send [5]laden:I'm dangerous
53:58:897 [Thread-26-spout] ack 4
53:58:898 [Thread-24-print] Bolt[2] String recieved: [5]laden:I'm dangerous!

很明显看到：

 

a. 并发度为1的Spout确实是一个线程，并发度为3的Bolt确实是三个线程；

b. 消息完全处理完成后，确实回调了ack(Object msgId)方法，而且msgId的值，即为我们emit的msgId；

c. 虽然我们在topology中定义了两个bolt，但实际上ack对于每个tuple只调用了一次；

d. spout发出tuple后，Bolt很快就完成了，但是ack直到5秒后spout醒来才打印。

 

Tuple树

对于Spout创建的Tuple，在topology定义的流水线中经过Bolt处理时，可能会产生一个或多个新的Tuple。源Tuple+新产生的Tuple构成了一个Tuple树。当整棵树被处理完成，才算一个Tuple被完全处理，其中任何一个节点的Tuple处理失败或超时，则整棵树失败。

超时的值，可以通过定义topology时，conf.setMessageTimeoutSecs方法指定。

 

Anchor

在我们例子中ExclaimRichBolt用

collector.emit(inputTule, new Values(newTupleValue));

发射一个新的tuple。

第一个参数是传入Bolt的tuple，第二个参数是新产生的tuple的value，这种emit的方式，在Storm中称为: "anchor"。

 

Tuple的ack

前面我们一直提到acker，看到这里，你应该能猜出acker其实就是Storm里面track一个Tuple保证其一定被处理的功能。acker也是一个component。

我们来看看acker的工作流程：

1. Spout在初始化时会产生一个tasksId；

2. Spout中创建新的Tuple，其id是一个64位的随机数；

3. Spout将新建的Tuple发送出去(给出了messageId来开启Tuple的追踪), 同时会发送一个消息到某个acker，要求acker进行追踪。该消息包含两部分：

 

• Spout的taskId：用户acker在整个tuple树被完全处理后找到原始的Spout进行回调ack或fail
• 一个64位的ack val值： 标志该tuple是否被完全处理。初始值为0。

 

3. 一个Bolt在处理完Tuple后，如果发射了一个新的anchor tuple，Storm会维护anchor tuple的列表；

4. 该Bolt调用OutputCollector.ack()时，Storm会做如下操作：

 

• 将anchor tuple列表中每个已经ack过的和新创建的Tuple的id做异或(XOR)。假定Spout发出的TupleID是tuple-id-0，该Bolt新生成的TupleID为tuple-id-1，那么，tuple-id-0XORtuple-id-0XOR tuple-id-1
• Storm根据该原始TupleID进行一致性hash算法，找到最开始Spout发送的那个acker，然后把上面异或后得出的ack val值发送给acker

 

5. acker收到新的ack val值后，与保存的原始的Tuple的id进行异或，如果为0，表示该Tuple已被完全处理，则根据其taskId找到原始的Spout，回调其ack()方法。

 

fail的机制类似，在发现fail后直接回调Spout的fail方法。

Storm就是通过这个acker的机制来保证数据不丢失。

 

回头再看看上面的打印结果，b、c两条得到很好的解释了。那d是为什么呢？

在最开始时，我曾经提到过,Storm的设计模型中，Spout是源源不断的产生数据的，所以其nextTuple()方法在任何时候不应该被打断。ack，fail 和 nextTuple是在同一个线程中完成的。

所以，虽然acker发现一个Tuple已经完全处理完成，但是由于Spout线程在Sleep，无法回调。

 

在设计中，我们应尽量避免在Spout、Bolt中去Sleep。如果确实需要控制，最好用异步线程来做，例如用异步线程读取数据到队列，再由Spout去取队列中数据。异步线程可以随意控制速度等。

 

另外，

Storm是否会自动重发失败的Tuple？

这里答案已经很明显了。fail方法如何实现取决于你自己。只有在fail中做了重发机制，才有重发。

注：Trident除外。这是Storm提供的特殊的事务性API，它确实会帮你自动重发的。

Unanchor

如果我们在Bolt中用OutputCollector.emit()发射一个新的Tuple时，并没有指定输入的Tuple(IBasicBolt的实现类用的是BasicOutPutCollector，其emit方法实际上还是调用OutputCollector.emit()，只不过内部会帮你填上输入的Tuple)，那么行为称之为“Unanchor”。

是否用Unanchor方式取决于你的实现。

 

调整可靠性

在某些特定的情况下，你或许想调整Storm的可靠性。例如，你并不关心数据是否丢失，或者你想看看后面是否有某个Bolt拖慢了Spout的速度？

那么，有三种方法可以实现：

1. 在build topology时，设置acker数目为0，即conf.setNumAckers(0);

2. 在Spout中，不指定messageId，使得Storm无法追踪；

3. 在Bolt中，使用Unanchor方式发射新的Tuple。