大数据(十五) - JStorm

JStorm 是一个分布式实时计算引擎，是淘宝开源的
随着Storm 的规模越来越大，发现原有的很多Storm设计，只能适合小集群中运行，当集群规模超过100台时，均会出现一些或这或那的问题。[b]JStorm
比Storm更稳定，更强大，更快， Storm上跑的程序，一行代码不变可以运行在JStorm上。[/b]
[b]storm/Jstorm的安装、配置、启动几乎一模一样

[/b]
从应用的角度，JStorm应用是一种遵守某种编程规范的分布式应用。从系统角度， JStorm是一套类似MapReduce的调度系统。 从数据的角度，JStorm是一套基于流水线的消息处理机制。
在Storm和JStorm出现以前，市面上出现很多实时计算引擎，但自Storm和JStorm出现后，基本上可以说一统江湖

源码
https://github.com/alibaba/jstorm

文档

https://github.com/alibaba/jstorm/wiki/JStorm-Chinese-Documentation

Jstorm/storm优点：
开发非常迅速：接口简单，容易上手，只要遵守Topology、Spout和Bolt的编程规范即可开发出一个扩展性极好的应用，底层RPC、Worker之间冗余，数据分流之类的动作完全不用考虑
扩展性极好：当一级处理单元速度，直接配置一下并发数，即可线性扩展性能
健壮强：当Worker失效或机器出现故障时， 自动分配新的Worker替换失效Worker
数据准确性：可以采用Ack机制，保证数据不丢失。 如果对精度有更多一步要求，采用事务机制，保证数据准确。

应用场景：
日志分析，从日志中分析出特定的数据，并将分析的结果存入外部存储器如数据库。目前，主流日志分析技术就使用JStorm或Storm
管道系统， 将一个数据从一个系统传输到另外一个系统， 比如将数据库同步到Hadoop
消息转化器， 将接受到的消息按照某种格式进行转化，存储到另外一个系统如消息中间件
统计分析器， 从日志或消息中，提炼出某个字段，然后做count或sum计算，最后将统计值存入外部存储器。中间处理过程可能更复杂。



资源slot
在JStorm中，资源类型分为4种， CPU, Memory，Disk， Port， 不再局限于Storm的port。 即一个supervisor可以提供多少个CPU slot，多少个Memory slot， 多少个Disk slot， 多少个Port slot
一个worker就消耗一个Port slot， 默认一个task会消耗一个CPU slot和一个Memory slot
当task执行任务较重时，可以申请更多的CPU slot，
当task需要更多内存时，可以申请更多的内存slot，
当task 磁盘读写较多时，可以申请磁盘slot，则该磁盘slot给该task独享。

Ack机制：通过Ack机制，很容易做到保证所有数据均被处理，一条都不漏。
当spout触发fail动作时，不会自动重发失败的tuple，需要spout自己重新获取数据，手动重新再发送一次

开发经验总结 https://github.com/alibaba/jstorm/wiki/%E5%BC%80%E5%8F%91%E7%BB%8F%E9%AA%8C%E6%80%BB%E7%BB%93 在架构上，推荐 “消息中间件 + jstorm + 外部存储” 3架马车式架构
JStorm从消息中间件中取出数据，计算出结果，存储到外部存储上
通常消息中间件推荐使用RocketMQ，Kafka
外部存储推荐使用HBase，Mysql
该架构，非常方便JStorm程序进行重启（如因为增加业务升级程序）

非事务环境中，尽量使用IBasicBolt
对于MetaQ 和 Kafka，
拉取的频率不要太小，低于100ms时，容易造成MetaQ/Kafka 空转次数偏多
一次获取数据Block大小推荐是2M或1M，太大内存GC压力比较大，太小效率比较低。
推荐一个worker运行2个task
使用zookeeper时， 建议使用curator，但不要使用过高的curator版本.Curator是Netflix开源的一套ZooKeeper客户端框架. Netflix在使用ZooKeeper的过程中发现ZooKeeper自带的客户端太底层, 应用方在使用的时候需要自己处理很多事情, 于是在它的基础上包装了一下, 提供了一套更好用的客户端框架.

如果直接实现IRichBolt

emit(String streamId, Tuple anchor, List tuple) 后续component会向acker发送ack响应

emit(String streamId, List tuple)后续component不会向acker发送ack响应

IBasicBolt 都会自动使用第一个接口

IBatchBolt 都会自动使用第二个接口

推荐使用IBasicBolt

运维经验总结 https://github.com/alibaba/jstorm/wiki/%E8%BF%90%E7%BB%B4%E7%BB%8F%E9%AA%8C%E6%80%BB%E7%BB%93
常见问题 https://github.com/alibaba/jstorm/wiki/%E5%B8%B8%E8%A7%81%E9%97%AE%E9%A2%98