建站
咨詢
售后
建站咨詢
新聞中心
Storm是一個分布式的流處理系統(tǒng)，利用anchor和ack機制保證所有tuple都被成功處理。如果tuple出錯，則可以被重傳，但是如何 保證出錯的tuple只被處理一次呢？Storm提供了一套事務性組件Transaction Topology，用來解決這個問題。
峨邊彝族網站建設公司成都創(chuàng)新互聯(lián),峨邊彝族網站設計制作，有大型網站制作公司豐富經驗。已為峨邊彝族上千家提供企業(yè)網站建設服務。企業(yè)網站搭建\外貿網站制作要多少錢，請找那個售后服務好的峨邊彝族做網站的公司定做！
Transactional Topology目前已經不再維護，由Trident來實現(xiàn)事務性topology，但是原理相同。
5.1一致性事務的設計
Storm如何實現(xiàn)即對tuple并行處理，又保證事務性。本節(jié)從簡單的事務性實現(xiàn)方法入手，逐步引出Transactional Topology的原理。
5.1.1 簡單設計一：強順序流
保證tuple只被處理一次，最簡單的方法就是將tuple流變成強順序的，并且每次只處理一個tuple。從1開始，給每個tuple都順序加上 一個id。在處理tuple的時候，將處理成功的tuple id和計算結果存在數據庫中。下一個tuple到來的時候，將其id與數據庫中的id做比較。如果相同，則說明這個tuple已經被成功處理過了，忽略 它；如果不同，根據強順序性，說明這個tuple沒有被處理過，將它的id及計算結果更新到數據庫中。
以統(tǒng)計消息總數為例。每來一個tuple，如果數據庫中存儲的id 與當前tuple id不同，則數據庫中的消息總數加1，同時更新數據庫中的當前tuple id值。如圖：
但是這種機制使得系統(tǒng)一次只能處理一個tuple，無法實現(xiàn)分布式計算。
5.1.2 簡單設計二：強順序batch流
為了實現(xiàn)分布式，我們可以每次處理一批tuple，稱為一個batch。一個batch中的tuple可以被并行處理。
我們要保證一個batch只被處理一次，機制和上一節(jié)類似。只不過數據庫中存儲的是batch id。batch的中間計算結果先存在局部變量中，當一個batch中的所有tuple都被處理完之后，判斷batch id，如果跟數據庫中的id不同，則將中間計算結果更新到數據庫中。
如何確保一個batch里面的所有tuple都被處理完了呢？可以利用Storm提供的CoordinateBolt。如圖：
但是強順序batch流也有局限，每次只能處理一個batch，batch之間無法并行。要想實現(xiàn)真正的分布式事務處理，可以使用storm提供的Transactional Topology。在此之前，我們先詳細介紹一下CoordinateBolt的原理。
5.1.3 CoordinateBolt原理
CoordinateBolt具體原理如下：
- 真正執(zhí)行計算的bolt外面封裝了一個CoordinateBolt。真正執(zhí)行任務的bolt我們稱為real bolt。
- 每個CoordinateBolt記錄兩個值：有哪些task給我發(fā)送了tuple（根據topology的grouping信息）；我要給哪些tuple發(fā)送信息（同樣根據groping信息）
- Real bolt發(fā)出一個tuple后，其外層的CoordinateBolt會記錄下這個tuple發(fā)送給哪個task了。
- 等所有的tuple都發(fā)送完了之后，CoordinateBolt通過另外一個特殊的stream以emitDirect的方式告訴所有它發(fā)送過 tuple的task，它發(fā)送了多少tuple給這個task。下游task會將這個數字和自己已經接收到的tuple數量做對比，如果相等，則說明處理 完了所有的tuple。
- 下游CoordinateBolt會重復上面的步驟，通知其下游。
整個過程如圖所示：
CoordinateBolt主要用于兩個場景：
- DRPC
- Transactional Topology
CoordinatedBolt對于業(yè)務是有侵入的，要使用CoordinatedBolt提供的功能，你必須要保證你的每個bolt發(fā)送的每個 tuple的***個field是request-id。 所謂的“我已經處理完我的上游”的意思是說當前這個bolt對于當前這個request-id所需要做的工作做完了。這個request-id在DRPC 里面代表一個DRPC請求；在Transactional Topology里面代表一個batch。
#p#
5.1.4 Trasactional Topology
Storm提供的Transactional Topology將batch計算分為process和commit兩個階段。Process階段可以同時處理多個batch，不用保證順序 性；commit階段保證batch的強順序性，并且一次只能處理一個batch，第1個batch成功提交之前，第2個batch不能被提交。
還是以統(tǒng)計消息總數為例，以下代碼來自storm-starter里面的TransactionalGlobalCount。
MemoryTransactionalSpout spout = new MemoryTransactionalSpout(DATA,new Fields(“word“), PARTITION_TAKE_PER_BATCH);
TransactionalTopologyBuilder builder = new TransactionalTopologyBuilder(“global-count“, “spout“, spout, 3);
builder.setBolt(“partial-count“, new BatchCount(), 5).noneGrouping(“spout“);
builder.setBolt(“sum“, new UpdateGlobalCount()).globalGrouping(“partial-count“);
TransactionalTopologyBuilder共接收四個參數。
- 這個Transactional Topology的id。Id用來在Zookeeper中保存當前topology的進度，如果這個topology重啟，可以繼續(xù)之前的進度執(zhí)行。
- Spout在這個topology中的id
- 一個TransactionalSpout。一個Trasactional Topology中只能有一個TrasactionalSpout.在本例中是一個MemoryTransactionalSpout，從一個內存變量（DATA）中讀取數據。
- TransactionalSpout的并行度（可選）。
下面是BatchCount的定義：
- public static class BatchCount extends BaseBatchBolt {
- Object _id;
- BatchOutputCollector _collector;
- int _count = 0;
- @Override
- public void prepare(Map conf, TopologyContext context,
- BatchOutputCollector collector, Object id) {
- _collector = collector;
- _id = id;
- }
- @Override
- public void execute(Tuple tuple) {
- _count++;
- }
- @Override
- public void finishBatch() {
- _collector.emit(new Values(_id, _count));
- }
- @Override
- public void declareOutputFields(OutputFieldsDeclarer declarer) {
- declarer.declare(new Fields(“id“, “count“));
- }
- }
BatchCount的prepare方法的***一個參數是batch id，在Transactional Tolpoloyg里面這id是一個TransactionAttempt對象。
Transactional Topology里發(fā)送的tuple都必須以TransactionAttempt作為***個field，storm根據這個field來判斷tuple屬于哪一個batch。
TransactionAttempt包含兩個值：一個transaction id，一個attempt id。transaction id的作用就是我們上面介紹的對于每個batch中的tuple是唯一的，而且不管這個batch replay多少次都是一樣的。attempt id是對于每個batch唯一的一個id， 但是對于同一個batch，它replay之后的attempt id跟replay之前就不一樣了， 我們可以把attempt id理解成replay-times， storm利用這個id來區(qū)別一個batch發(fā)射的tuple的不同版本。
execute方法會為batch里面的每個tuple執(zhí)行一次，你應該把這個batch里面的計算狀態(tài)保持在一個本地變量里面。對于這個例子來說， 它在execute方法里面遞增tuple的個數。
***， 當這個bolt接收到某個batch的所有的tuple之后， finishBatch方法會被調用。這個例子里面的BatchCount類會在這個時候發(fā)射它的局部數量到它的輸出流里面去。
#p#
下面是UpdateGlobalCount類的定義：
- public static class UpdateGlobalCount extends BaseTransactionalBolt
- implements ICommitter {
- TransactionAttempt _attempt;
- BatchOutputCollector _collector;
- int _sum = 0;
- @Override
- public void prepare(Map conf, TopologyContext context,
- BatchOutputCollector collector, TransactionAttempt attempt) {
- _collector = collector;
- _attempt = attempt;
- }
- @Override
- public void execute(Tuple tuple) {
- _sum+=tuple.getInteger(1);
- }
- @Override
- public void finishBatch() {
- Value val = DATABASE.get(GLOBAL_COUNT_KEY);
- Value newval;
- if(val == null || !val.txid.equals(_attempt.getTransactionId())) {
- newval = new Value();
- newval.txid = _attempt.getTransactionId();
- if(val==null) {
- newval.count = _sum;
- } else {
- newval.count = _sum + val.count;
- }
- DATABASE.put(GLOBAL_COUNT_KEY, newval);
- } else {
- newval = val;
- }
- _collector.emit(new Values(_attempt, newval.count));
- }
- @Override
- public void declareOutputFields(OutputFieldsDeclarer declarer) {
- declarer.declare(new Fields(“id“, “sum“));
- }
- }
UpdateGlobalCount實現(xiàn)了ICommitter接口，所以storm只會在commit階段執(zhí)行finishBatch方法。而execute方法可以在任何階段完成。
在UpdateGlobalCount的finishBatch方法中，將當前的transaction id與數據庫中存儲的id做比較。如果相同，則忽略這個batch；如果不同，則把這個batch的計算結果加到總結果中，并更新數據庫。
Transactional Topolgy運行示意圖如下：
下面總結一下Transactional Topology的一些特性
- Transactional Topology將事務性機制都封裝好了，其內部使用CoordinateBolt來保證一個batch中的tuple被處理完。
- TransactionalSpout只能有一個，它將所有tuple分為一個一個的batch，而且保證同一個batch的transaction id始終一樣。
- BatchBolt處理batch在一起的tuples。對于每一個tuple調用execute方法，而在整個batch處理完成的時候調用finishBatch方法。
- 如果BatchBolt被標記成Committer，則只能在commit階段調用finishBolt方法。一個batch的commit階 段由storm保證只在前一個batch成功提交之后才會執(zhí)行。并且它會重試直到topology里面的所有bolt在commit完成提交。
- Transactional Topology隱藏了anchor/ack框架，它提供一個不同的機制來fail一個batch，從而使得這個batch被replay。
5.2 Trident介紹
Trident是Storm之上的高級抽象，提供了joins，grouping，aggregations，fuctions和filters等接口。如果你使用過Pig或Cascading，對這些接口就不會陌生。
Trident將stream中的tuples分成batches進行處理，API封裝了對這些batches的處理過程，保證tuple只被處理一次。處理batches中間結果存儲在TridentState對象中。
Trident事務性原理這里不詳細介紹，有興趣的讀者請自行查閱資料。
參考：http://xumingming.sinaapp.com/736/twitter-storm-transactional-topolgoy/
http://xumingming.sinaapp.com/811/twitter-storm-code-analysis-coordinated-bolt/
https://github.com/nathanmarz/storm/wiki/Trident-tutorial
當前標題：Storm入門教程第五章一致性事務
文章起源：http://www.dlmjj.cn/article/djeishs.html
