探索人工智能应用场景!

大数据(十五) – JStorm

底层数据 admin 17℃ 0评论
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。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。
storm/Jstorm的安装、配置、启动几乎一模一样
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
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

转载请注明:全球人工智能 » 大数据(十五) – JStorm

   

您的支持将鼓励我们继续努力!

[微信] 扫描二维码打赏

[支付宝] 扫描二维码打赏

喜欢 (0)or分享 (0)
发表我的评论
取消评论
表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址