Apache Storm 集群环境搭建

Apache storm 是一个由twitter开源的大数据处理系统，与其他系统不同的是，storm旨在用于分布式实时处理并且与语言无关。笔者所认知的storm使用场景诸如 实时日志分析、网站用户行为实时分析、实时计算等，目前很多公司也都把storm作为自己的大数据架构的一部分，来实现一些实时业务的处理。

相信大家都和我有一样的认知，那就是现在的技术都是项目驱动模式，没有最好的技术，只有最适合自己项目的技术。下面先跟大家分享一下我对storm的一些简单了解：

storm的优点：

1.简单的编程模型，类似于MapReduce降低了并行批处理的复杂性，storm降低了进行实时处理的复杂性。

2.支持各种语言，你可以在storm上使用Java、Ruby、Clojure和Python，如果想增加一个新的语言支持，你只需要实现一个简单的storm通信协议即可。

3.容错性，storm会管理工作进程和节点的故障。

4.水平拓展，计算是在多个线程，进程和服务器之间并行进行的。

5.可靠的消息处理，storm保证每个消息至少得到一次完整的处理，任务失败时，storm会尝试从消息源重新发射。

6.快速，系统的设计保证了消息能够快得到快速处理，storm使用的ZeroMQ作为其底层的消息队列。

7.本地模式，这个对开发者来说无疑是方便了很多，可以在本地模拟集群环境进行开发和测试。

storm目前存在的问题：

1.目前的开源版本中只有单节点的Nimbus，挂掉之后只能自动去重启，对系统来说有一定的风险，可以考虑双节点nimbus布局。

2.Storm的一部分核心代码是由Clojure编写，clojure是一个在JVM上运行的动态函数式编程语言，优势在于流程计算，虽然性能上提高不少但是同时也提升了维护成本。

 

介绍说了一大堆，下面就简单的搭建一个storm的集群环境：

准备环境： 至少三台Linux server（笔者用了5台 cloud server for linux redhat edition）

 

集群搭建：

第一步：安装JDK/JRE

第二步：安装 zookeeper ，可以参考我的另一篇博文： 

http://bigcat2013.iteye.com/blog/2175538

第三步：下载apache storm ： http://apache.arvixe.com/storm/  

之前的项目用过0.9.1版的，现在由于需要用到kafka，所以选择了最新版0.9.3

第四步： 把下载好的压缩包上传到服务器（可以通过WinSCP等）

第五步：使用"tar -xzvf  apache-storm-0.9.3.tar.gz" 解压压缩包

解压后的目录结构：

 
 
第六步：修改storm配置文件（/conf/storm.yaml）

基本的需要配置 storm.zookeeper.servers、nimbus.host、storm.local.dir、ui.port、supervisor.slots.ports几个属性,这里需要注意的是nimbus不需要配置supervisor.slots.ports属性，supervisor不需要配置ui.port属性，因为nimbus是主节点，有ui没有worker，supervisor是工作节点，没有ui只有worker：

common：


 

nimbus：

 
 

supervisor（每个supervisor的worker数目可以通过增减slots的数量调整）：

 
 

注：配置信息不要顶格写，不然启动的时候会报错找不到属性值。

 

第七步：通过”scp -r“把配置好的storm目录copy到其他的server上（注:如果你当前的server配置为nimbus，其他的server就都按照上述的supervisor配置方法配置storm.yaml）

 
 
第八步：在集群的服务器上分别创建storm的本地目录（对应storm.yaml中的storm.local.dir配置）

第九步：启动zookeeper集群，然后启动storm集群

启动storm nimbus ： sudo nohup ./bin/storm nimbus > /dev/null &

启动storm UI ：sudo nohup ./bin/storm ui > /dev/null &
启动supervisor： sudo nohup ./bin/storm supervisor > /dev/null &

 

通过配置的nimbus地址+ui.port的属性值可以访问storm的UI，监测storm的运行状态。

 

按照上述简单的配置之后，storm集群就可以搭建起来了，读者可以根据自己的项目需要做额外的配置，另外可以在/logback/cluster.xml中配置log4j，日志输出和自动清理规则~