一、认识storm trident
trident可以理解为storm批处理的高级抽象,提供了分组、分区、聚合、函数等操作,提供一致性和恰好一次处理的语义。
1)元祖被作为batch处理
2)每个batch的元祖都被指定唯一的一个事物id,如果因为处理失败导致batch重发,也和保证和重发前一样的事物id
3)数据更新操作严格有序,比如batch1必须在batch2之前被成功处理,且如果batch1失败了,后面的处理也会失败。
假如: batch1处理1--20
batch2处理21--40
batch1处理失败，那么batch2也会失败
虽然数据更新操作严格有序，但是数据处理阶段也可以并行的,只是最后的持久化操作必须有序。
1.1 trident state
trident的状态具有仅仅处理一次,持续聚合的语义,使用trident来实现恰好一次的语义不需要开发人员去处理事务相关的工作,因为trident state已经帮我们封装好了,只需要编写类似于如下的代码：
topology.newStream("sentencestream", spout)
.each(new Fields("sentence"), new Split(), new Fields("word"))
.groupBy(new Fields("word"))
.persistentAggregate(new MyHbaseState.HbaseFactory(options), new Count(), new Fields("count"))
.parallelismHint(3);
所有处理事务逻辑都在MyHbaseState.HbaseFactory中处理了(这个是我自己定义的,trident支持在内存里面处理,类似于MemachedState.opaque)。
trident提供了一个StateFactory用来创建State对象的实例,行如:
public final class XFactory implements StateFactory{
public State makeState(Map conf,int partitonIndex,int numPartitions){
return new State();
}
}
1.2 persistentAggregate
persistentAggregate是trident中用来更新来源的状态,如果前面是一个分好组的流,trident希望你提供的状态实现MapState接口,其中key是分组的字段,
而聚合结果是状态的值。
1.3 实现MapStates
trident中实现MapState非常简单,只需要为这个类提供一个IBackingMap的接口实现接口。
二、实战
首先搭建好zk,storm,hadoop,hbase的分布式环境
master：
slave1：
slave2：
main方法:
public static void main(String[] args) throws AlreadyAliveException, InvalidTopologyException, AuthorizationException {
TridentTopology topology = new TridentTopology();
FixedBatchSpout spout = new FixedBatchSpout(new Fields("sentence"), 3,
new Values("tanjie is a good man"), new Values(
"what is your name"), new Values("how old are you"),
new Values("my name is tanjie"), new Values("i am 18"));
spout.setCycle(false);
tridentStreamToHbase(topology,spout);
Config config = new Config();
config.setDebug(false);
StormSubmitter.submitTopologyWithProgressBar("word_count_trident_state_HbaseState", config, topology.build());
}
tridentStreamToHbase方法:
private static TridentState tridentStreamToHbase(TridentTopology topology,
FixedBatchSpout spout) {
MyHbaseState.Options options = new MyHbaseState.Options();
options.setTableName("storm_trident_state");
options.setColumFamily("colum1");
options.setQualifier("q1");
/**
* 根据数据源拆分单词后,然后分区操作,在每个分区上又进行分组(hash算法),然后在每个分组上进行聚合
* 所以这里可能有多个分区,每个分区有多个分组,然后在多个分组上进行聚合
* 用来进行group的字段会以key的形式存在于State当中，聚合后的结果会以value的形式存储在State当中
*/
return topology.newStream("sentencestream", spout)
.each(new Fields("sentence"), new Split(), new Fields("word"))
.groupBy(new Fields("word"))
.persistentAggregate(new MyHbaseState.HbaseFactory(options), new Count(), new Fields("count"))
.parallelismHint(3);
}
MyHbaseState实现：
package com.storm.trident.state.hbase;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.Serializable;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.apache.hadoop.hbase.client.Get;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.Table;
import org.apache.storm.task.IMetricsContext;
import org.apache.storm.trident.state.JSONNonTransactionalSerializer;
import org.apache.storm.trident.state.JSONOpaqueSerializer;
import org.apache.storm.trident.state.JSONTransactionalSerializer;
import org.apache.storm.trident.state.Serializer;
import org.apache.storm.trident.state.State;
import org.apache.storm.trident.state.StateFactory;
import org.apache.storm.trident.state.StateType;
import org.apache.storm.trident.state.map.IBackingMap;
import org.apache.storm.trident.state.map.MapState;
import org.apache.storm.trident.state.map.OpaqueMap;
import org.apache.storm.trident.state.map.SnapshottableMap;
import org.apache.storm.tuple.Values;
import com.google.common.collect.Maps;
@SuppressWarnings({ "unchecked", "rawtypes" })
public class MyHbaseState<T> implements IBackingMap<T> {
private static final Map<StateType, Serializer> DEFAULT_SERIALZERS = Maps
.newHashMap();
private int partitionNum;
private Options<T> options;
private Serializer<T> serializer;
private Connection connection;
private Table table;
static {
DEFAULT_SERIALZERS.put(StateType.NON_TRANSACTIONAL,
new JSONNonTransactionalSerializer());
DEFAULT_SERIALZERS.put(StateType.TRANSACTIONAL,
new JSONTransactionalSerializer());
DEFAULT_SERIALZERS.put(StateType.OPAQUE, new JSONOpaqueSerializer());
}
public MyHbaseState(final Options<T> options, Map conf, int partitionNum) {
this.options = options;
this.serializer = options.serializer;
this.partitionNum = partitionNum;
try {
connection = ConnectionFactory.createConnection(HBaseConfiguration
.create());
table = connection.getTable(TableName.valueOf(options.tableName));
} catch (IOException e) {
e.printStackTrace();
}
}
public static class Options<T> implements Serializable {
/**
*
*/
private static final long serialVersionUID = 1L;
public Serializer<T> serializer = null;
public String globalkey = "$HBASE_STATE_GLOBAL$";
/**
* 表名
*/
public String tableName;
/**
* 列族
*/
public String columFamily;
/**
*
*/
public String qualifier;
public String getTableName() {
return tableName;
}
public void setTableName(String tableName) {
this.tableName = tableName;
}
public String getColumFamily() {
return columFamily;
}
public void setColumFamily(String columFamily) {
this.columFamily = columFamily;
}
public String getQualifier() {
return qualifier;
}
public void setQualifier(String qualifier) {
this.qualifier = qualifier;
}
}
protected static class HbaseFactory<T> implements StateFactory {
private static final long serialVersionUID = 1L;
private Options<T> options;
public HbaseFactory(Options<T> options) {
this.options = options;
if (this.options.serializer == null) {
this.options.serializer = DEFAULT_SERIALZERS
.get(StateType.OPAQUE);
}
}
@Override
public State makeState(Map conf, IMetricsContext metrics,
int partitionIndex, int numPartitions) {
System.out.println("partitionIndex:" + partitionIndex
+ ",numPartitions:" + numPartitions);
IBackingMap state = new MyHbaseState(options, conf, partitionIndex);
MapState mapState = OpaqueMap.build(state);
return new SnapshottableMap(mapState, new Values(options.globalkey));
}
}
@Override
public void multiPut(List<List<Object>> keys, List<T> values) {
List<Put> puts = new ArrayList<Put>(keys.size());
for (int i = 0; i < keys.size(); i++) {
Put put = new Put(toRowKey(keys.get(i)));
T val = values.get(i);
System.out.println("partitionIndex: " + this.partitionNum
+ ",key.get(i):" + keys.get(i) + "value值:" + val);
put.addColumn(this.options.columFamily.getBytes(),
this.options.qualifier.getBytes(),
this.options.serializer.serialize(val));
puts.add(put);
}
try {
this.table.put(puts);
} catch (IOException e) {
e.printStackTrace();
}
}
@Override
public List<T> multiGet(List<List<Object>> keys) {
List<Get> gets = new ArrayList<Get>();
for (final List<Object> key : keys) {
// LOG.info("Partition: {}, GET: {}", this.partitionNum, key);
Get get = new Get(toRowKey(key));
get.addColumn(this.options.columFamily.getBytes(),
this.options.qualifier.getBytes());
gets.add(get);
}
List<T> retval = new ArrayList<T>();
try {
// 批量获取所有rowKey的数据
Result[] results = this.table.get(gets);
for (final Result result : results) {
byte[] value = result.getValue(
this.options.columFamily.getBytes(),
this.options.qualifier.getBytes());
if (value != null) {
retval.add(this.serializer.deserialize(value));
} else {
retval.add(null);
}
}
} catch (IOException e) {
e.printStackTrace();
}
return retval;
}
private byte[] toRowKey(List<Object> keys) {
ByteArrayOutputStream bos = new ByteArrayOutputStream();
try {
for (Object key : keys) {
bos.write(String.valueOf(key).getBytes());
}
bos.close();
} catch (IOException e) {
throw new RuntimeException("IOException creating HBase row key.", e);
}
return bos.toByteArray();
}
}
运行结果：
查看supervisor日志：
2016-12-23 11:34:25.576 STDIO [INFO] partitionIndex: 0,key.get(i):[good]value值:org.apache.storm.trident.state.OpaqueValue@6498fd6a[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.582 STDIO [INFO] partitionIndex: 1,key.get(i):[name]value值:org.apache.storm.trident.state.OpaqueValue@81e227f[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.582 STDIO [INFO] partitionIndex: 1,key.get(i):[are]value值:org.apache.storm.trident.state.OpaqueValue@726ac402[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.585 STDIO [INFO] partitionIndex: 2,key.get(i):[what]value值:org.apache.storm.trident.state.OpaqueValue@2667735e[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.585 STDIO [INFO] partitionIndex: 2,key.get(i):[your]value值:org.apache.storm.trident.state.OpaqueValue@51c73404[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.585 STDIO [INFO] partitionIndex: 2,key.get(i):[tanjie]value值:org.apache.storm.trident.state.OpaqueValue@6d281c8d[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.585 STDIO [INFO] partitionIndex: 2,key.get(i):[old]value值:org.apache.storm.trident.state.OpaqueValue@646aa4f7[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.586 STDIO [INFO] partitionIndex: 2,key.get(i):[is]value值:org.apache.storm.trident.state.OpaqueValue@157487a2[currTxid=1,prev=<null>,curr=2] 2016-12-23 11:34:25.586 STDIO [INFO] partitionIndex: 2,key.get(i):[a]value值:org.apache.storm.trident.state.OpaqueValue@1574a7af[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.586 STDIO [INFO] partitionIndex: 2,key.get(i):[how]value值:org.apache.storm.trident.state.OpaqueValue@1dacdd2a[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.587 STDIO [INFO] partitionIndex: 2,key.get(i):[you]value值:org.apache.storm.trident.state.OpaqueValue@3febff9e[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.587 STDIO [INFO] partitionIndex: 2,key.get(i):[man]value值:org.apache.storm.trident.state.OpaqueValue@1edafedb[currTxid=1,prev=<null>,curr=1] 2016-12-23 11:34:25.812 STDIO [INFO] partitionIndex: 2,key.get(i):[tanjie]value值:org.apache.storm.trident.state.OpaqueValue@38a106df[currTxid=2,prev=1,curr=2] 2016-12-23 11:34:25.812 STDIO [INFO] partitionIndex: 2,key.get(i):[is]value值:org.apache.storm.trident.state.OpaqueValue@53ca3784[currTxid=2,prev=2,curr=3] 2016-12-23 11:34:25.815 STDIO [INFO] partitionIndex: 0,key.get(i):[am]value值:org.apache.storm.trident.state.OpaqueValue@5261a4c8[currTxid=2,prev=<null>,curr=1] 2016-12-23 11:34:25.815 STDIO [INFO] partitionIndex: 0,key.get(i):[my]value值:org.apache.storm.trident.state.OpaqueValue@88970b9[currTxid=2,prev=<null>,curr=1] 2016-12-23 11:34:25.826 STDIO [INFO] partitionIndex: 1,key.get(i):[i]value值:org.apache.storm.trident.state.OpaqueValue@78b27ff6[currTxid=2,prev=<null>,curr=1] 2016-12-23 11:34:25.827 STDIO [INFO] partitionIndex: 1,key.get(i):[name]value值:org.apache.storm.trident.state.OpaqueValue@eef2d62[currTxid=2,prev=1,curr=2] 2016-12-23 11:34:25.828 STDIO [INFO] partitionIndex: 1,key.get(i):[18]value值:org.apache.storm.trident.state.OpaqueValue@788c8496[currTxid=2,prev=<null>,curr=1]
查看hbase表
相关推荐
storm_trident_state storm trident自定义state的实现，实现了3种插入数据库的持久化方法，事务，不透明事务，不透明分区事务 下载下面，运行：mvn eclipse：eclipse即可在eclipse使用此项目。
**Storm Trident：分布式流处理框架详解** Storm Trident是Twitter开源的、基于Apache Storm的一个高级抽象，它提供了一种更强大且高效的方式来处理实时数据流。Trident的核心理念是将数据流划分为一系列的小批量...
【课程大纲】01.Storm项目实战课程大纲02.CDH5搭建之CM5安装部署03.CDH5搭建和CM界面化集群管理04.Hadoop、HBase、Zookeeper集群管理和角色分配05.Kafka基础知识和集群搭建06.Kafka基本操作和最优设置07.Kafka Java ...
Trident-GCD是一个开源项目，它为Apache Storm的Trident API提供了一种集成Google Cloud Datastore的状态管理实现。Trident是Storm的一个高级接口，用于构建复杂的数据处理管道，而Google Cloud Datastore则是一个...
该库提供了核心storm bolt，并在Elasticsearch 之上实现了Trident 状态。 它支持非事务性、事务性和不透明状态类型。 Maven 依赖 < groupId>com.github.fhuss</ groupId> < artifactId>storm-elasticsearch ...
【课程大纲】01.Storm项目实战课程大纲02.CDH5搭建之CM5安装部署03.CDH5搭建和CM界面化集群管理04.Hadoop、HBase、Zookeeper集群管理和角色分配05.Kafka基础知识和集群搭建06.Kafka基本操作和最优设置07.Kafka Java ...
"项目1-地区销售额-基于HBase存储的State运用"详细介绍了如何将Trident与HBase集成，利用HBase的分布式存储特性来优化状态管理。 此外，项目还涵盖了其他几个关键部分，如使用HighCharts创建动态图表，实现HTTP长...
###必读把大数进行分片，根据数据中某个字段分组Origin...//Test只是一个本地聚合,减少数据emit发射数量//更新操作在LocationUpdater类中的updateState方法并回调DB类的setBulk 来添加每批次的数据到自定义数据结构中。
例如在项目1中，通过Trident API实现的Spout可以提高数据处理的效率和一致性，同时利用HBase的State功能存储中间状态，保证数据的准确无误。项目2和项目3进一步展示了如何利用storm-kafka处理更复杂的数据分析任务，...
【课程大纲】01.Storm项目实战课程大纲02.CDH5搭建之CM5安装部署03.CDH5搭建和CM界面化集群管理04.Hadoop、HBase、Zookeeper集群管理和角色分配05.Kafka基础知识和集群搭建06.Kafka基本操作和最优设置07.Kafka Java ...
- **Trident State**：Trident状态管理机制，支持将计算结果持久化到HBase中，即使拓扑重启，也能恢复之前的状态，避免数据丢失。 3. **技术栈**： - **HBase**：作为大数据存储系统，用于存储Trident计算后的...
本文件主要分析了几个主流的大数据流式处理框架，包括Apache Spark Streaming、Apache Flink、Apache Storm、Apache Storm Trident、Apache Gearpump以及Twitter Heron，对它们的功能对比、性能评估进行了深入探讨。...
【课程大纲】01.Storm项目实战课程大纲02.CDH5搭建之CM5安装部署03.CDH5搭建和CM界面化集群管理04.Hadoop、HBase、Zookeeper集群管理和角色分配05.Kafka基础知识和集群搭建06.Kafka基本操作和最优设置07.Kafka Java ...
原生状态支持是指框架自身内置的对处理状态的管理，如Flink的 keyed state 或者 Storm Trident的transactional state。这使得开发者可以直接在框架内部处理复杂的状态逻辑，而无需额外的存储层。 5. **选择合适的...
【课程大纲】01.Storm项目实战课程大纲02.CDH5搭建之CM5安装部署03.CDH5搭建和CM界面化集群管理04.Hadoop、HBase、Zookeeper集群管理和角色分配05.Kafka基础知识和集群搭建06.Kafka基本操作和最优设置07.Kafka Java ...
【课程大纲】01.Storm项目实战课程大纲02.CDH5搭建之CM5安装部署03.CDH5搭建和CM界面化集群管理04.Hadoop、HBase、Zookeeper集群管理和角色分配05.Kafka基础知识和集群搭建06.Kafka基本操作和最优设置07.Kafka Java ...
【课程大纲】01.Storm项目实战课程大纲02.CDH5搭建之CM5安装部署03.CDH5搭建和CM界面化集群管理04.Hadoop、HBase、Zookeeper集群管理和角色分配05.Kafka基础知识和集群搭建06.Kafka基本操作和最优设置07.Kafka Java ...
【课程大纲】01.Storm项目实战课程大纲02.CDH5搭建之CM5安装部署03.CDH5搭建和CM界面化集群管理04.Hadoop、HBase、Zookeeper集群管理和角色分配05.Kafka基础知识和集群搭建06.Kafka基本操作和最优设置07.Kafka Java ...
【课程大纲】01.Storm项目实战课程大纲02.CDH5搭建之CM5安装部署03.CDH5搭建和CM界面化集群管理04.Hadoop、HBase、Zookeeper集群管理和角色分配05.Kafka基础知识和集群搭建06.Kafka基本操作和最优设置07.Kafka Java ...