我说我不会Storm，阿里面试官让我回家等通知了？

曾经终败给现在 2021-08-29 01:21 392阅读 0赞

## 前言 ##

> 只有光头才能变强。

> **文本已收录至我的GitHub精选文章，欢迎Star**：[https://github.com/ZhongFuCheng3y/3y][https_github.com_ZhongFuCheng3y_3y]

听说过大数据的同学应该都听说过**Storm**吧？其实我现在负责的系统用的就是Storm，在最开始接手系统的时候，我是完全不了解Storm的（现在其实也是一知半解而已）

由于最近在整理系统，所以顺便花了点时间入门了一下Storm（前几天花了点时间改了一下，上线以后一堆Bug，于是就果断回滚了。）

这篇文章来讲讲简单Storm的简单使用，没有复杂的东西。看完这篇文章，等到接手Storm的代码的时候你们\*\*『大概』『应该』\*\*能看懂Storm的代码。

## 什么是Storm ##

我们首先进官方看一下Storm的介绍：

> Apache Storm is a free and open source distributed realtime computation system

Storm是一个**分布式的实时计算系统**。

分布式：我在之前已经写过挺多的分布式的系统了，比如Kafka/HDFS/Elasticsearch等等。现在看到分布式这个词，三歪第一反应就是「它的存储或者计算交由**多台服务器上**完成，最后汇总起来达到最终的效果」。

实时：处理速度是毫秒级或者秒级的

计算：可以简单理解为对数据进行处理，比如清洗数据（对数据进行规整，取出有用的数据）。

## 我们使用Storm做了什么？ ##

我现在做的消息管理平台是可以推送各类的消息的（IM/PUSH/短信/微信消息等等)，消息下发后，**我们是肯定要知道这条消息的下发情况的**（是否发送成功，如果用户没收到是由于什么原因导致用户没收到，消息是否被点击了等等）。

**消息是否成功下发到用户上，这是运营和客服经常关心的问题。**

**消息下发的效果，这是运营非常关心的问题**

基于上面问题，我们用了**Storm做了一套自己的埋点方案**，帮助我们快速确认消息**是否成功下发到用户上**以及统计**消息下发的效果**。

听起来好像很牛逼，下面我来讲讲背景，看完你就会发现一点儿都不难。

### 需求背景 ###

消息管理平台虽然看起来只是发消息的，但是系统设计还是有点东西的。我们以「**微服务**」的思想去看这个系统，会将**不同的功能模块抽取到不同的系统**的。

其中PUSH（推送）的链路是最长的，一条消息下发经过的后端系统就有7个，如图下：

![007S8ZIlgy1gehu3007uij31qm0cwtag.jpg][]

这7个系统都有可能「干掉」了这条消息，导致用户没收到。如果我们每去查一个问题，都要逐一排查每个系统，那实在是太慢了。

很多时候客服反馈过来的问题都是当天的，甚至是前几分钟的，我们需要有一个**及时的反馈**给客服来帮助用户找到为什么收不到消息的原因。

于是我们要做两个功能：

1.  能够查询用户 **当天**所有的消息下发情况。（能够快速定位是哪个系统什么原因导致用户收不到消息）
2.  查询某条消息的 **实时**整体下发情况。（能够快速查看该消息的整体下发情况，包括下发量，中途过滤的量以及点击量）

> 如果是单纯查问题，我们将各个系统的日志收集到Kafka，然后写到Elasticsearch这个是完全没问题的（现在我们也是这么干的）
> 
> 涉及到统计相关的，我们就有自己的一套埋点方案，**这个是便于对数据的统计，也能完成部分排查的功能**。

### 需求实现 ###

前面提到了「埋点」，实际上就是**打日志**。其实就是在关键的地方上打上日志做记录，方便排查问题。

比如，现在我们有7个系统，每个系统在执行消息的时候都会可能导致这条消息发不出去（可能是消息去重了，可能是用户的手机号不正确，可能是用户太久没有登录了等等都有可能）。我们在这些『**关键位置**』都打上日志，方便我们去排查。

这些「关键位置」我们都给它**用简单的数字来命个名**。比如说：我们用「11」来代表这个用户没有绑定手机号，用「12」来代表这个用户10分钟前收到了一条一模一样的消息，用「13」来代表这个用户屏蔽了消息.....

「11」「12」「13」「14」「15」「16」这些就叫做「**点位**」，把这些点位在关键的位置中打上日志，这个就叫做「**埋点**」

有了埋点，我们要做的就是将这些**点位收集**起来，然后统一处理成我们的格式，输出到数据源中。

OK，就是分三步：

1.  收集日志
2.  **清洗日志**
3.  输出到数据源

收集日志我们有logAgent帮我们收集到**Kafka**，实时清洗日志我们用的就是**Storm**，清洗完我们输出到Redis(实时)/Hive（离线）。

Storm一般是在处理（清洗）那层，Storm的上下游也很明确了（上游是消息队列，下游写到各种数据源，这种是最常见的）：

![007S8ZIlgy1gehv1r64pzj30j204kmxc.jpg][]

Storm统一清洗出来放到Redis，我们就可以通过接口来很方便去查一条消息的整体下发情况，比如：

![007S8ZIlgy1gehvqryjwoj30u0108n6t.jpg][]

到这里，主要想说明我们通过Storm来**实时清洗**数据，下来来讲讲Storm的基本使用~

## Storm入门 ##

我们从一段最简单的Storm代码入门，先看看下面的代码：

![007S8ZIlgy1gen6yehpngj31du0l80xq.jpg][]

如果完全没看过Storm代码的同学，看到上面的代码会怎么分析？我是这样的：

*  首先有一个TopologyBuilder的东西，这个东西可能是Storm的构造器之类的
 *  然后设置了Spout和Bolt（但是我不知道这两个东西是用来干嘛的，但是我可以点进去对象里边看看做了什么）
 *  然后设置了一下Config配置（应该是设置Storm分配多少内存，多少线程之类的，反正跟配置相关）
 *  最后用StormSubmitter提交任务，把配置和TopologyBuilder的内容给提交上去。

我们简单搜一下，就可以发现它的流程大致是这样的：

![007S8ZIlgy1gen7sdpofnj30p80c13zn.jpg][]

Spout是**数据的源头**，一般我们用它去接收数据，Spout接收到数据后往Bolt上发送，**Bolt处理数据**（清洗）。Bolt清洗完数据可以写到一个数据源或者传递给下一个Bolt继续清洗。

Topology**关联了**我们在程序中定义好的Spout和Bolt。各种 Spout 和 Bolt 连接在一起之后，就成了一个 Topology，一个 Topology 就是一个 Storm 应用。

Spout往Bolt传递数据，Bolt往Bolt传递数据，这个传递的过程叫做**Stream**，Stream传递的是一个一个**Tuple**。

![007S8ZIlgy1gen8dqnu6gj30pv0cn0u9.jpg][]

现在问题来了，我们的Spout和Bolt之间是怎么关联起来的呢？Bolt和Bolt之间是怎么关联起来的呢？

在上面的图我们知道一个Topology会有多个Spout和多个Bolt，那我怎么知道这个Spout传递的数据是给这个Bolt，这个Bolt传递的数据是给另外一个Bolt？（说白了，就是上面图上的**箭头**是怎么关联的呢？）

在Storm中，有**Grouping**的机制，就是决定Spout的数据流向哪个Bolt，Bolt的数据流向下一个Bolt。

为了提高**并发度**，我们在setBolt的时候，可以指定Bolt的线程数，也就是所谓的**Executor**（Spout也同样可以指定线程数的，只是这次我拿Bolt来举例）。我们的结构可能会是这样的：

![007S8ZIlgy1genf91raqoj30pc0bj0tz.jpg][]

分组的策略有以下：

*  1） **shuffleGrouping**（随机分组）
 *  2）fieldsGrouping（按照字段分组，在这里即是同一个单词只能发送给一个Bolt）
 *  3）allGrouping（广播发送，即每一个Tuple，每一个Bolt都会收到）
 *  4）globalGrouping（全局分组，将Tuple分配到task id值最低的task里面）
 *  5）noneGrouping（随机分派）
 *  6）directGrouping（直接分组，指定Tuple与Bolt的对应发送关系）
 *  7）Local or shuffle Grouping
 *  8）partialKeyGrouping（关键字分组，与按字段分组很相似，但他分配更加均衡）
 *  9）customGrouping （自定义的Grouping）

shuffleGrouping策略我们是用得最多的，比如上面的图上有两个Spout，我们会将这两个Spout的Tuple**均匀**分发到各个Bolt中执行。

说到这里，我们再回头看看最开始的代码，**我给补充一下注释**，你们应该就能看得懂了：

![007S8ZIlgy1gencecca4ej31580u0tki.jpg][]

我还是再画一个图吧：

![007S8ZIlgy1gencln9kn7j30lf0bhdgx.jpg][]

入门的过程复杂吗？不复杂。说白了就是Spout接收到数据，通过grouping机制将Spout的数据传到给Bolt处理，Bolt处理完看还需不需要继续往下处理，如果需要就传递给下一个Bolt，不需要就写到数据源、调接口等等。

![007S8ZIlgy1genct5i0sbj30ap06r74m.jpg][]

## Storm架构 ##

当我们提交任务之后，会发生什么呢？我们来看看。

1.  任务提交后，会被上传到 **Nimbus**节点上，它是主控节点，负责分配代码、布置任务及检测故障
2.  Nimbus会去 **Zookeeper**上读取整个集群的信息，将任务交给 **Supervisor**，它是工作节点，负责创建、执行任务
3.  **Supervisor**创建Worker进程，每个Worker对应一个Topology的子集。Worker是Task的容器，Task是真正的任务执行者。

流程大致如下：

![007S8ZIlgy1gendg7qgzwj30zi0qagun.jpg][]

Nimbus和Supervisor都是节点（服务器），Storm用Zookeeper去管理Supervisor节点的信息。

Supervisor节点下会创建Worker进程，创建多少个Worker进程由Conf配置文件决定。线程Executor，由进程产生，用于执行任务，Executor线程数有多少个是在setBolt、setSpout的时候决定。Task是真正的任务执行者，Task其实就是包装了Bolt/Spout实例。

![007S8ZIlgy1gendwk07lmj312s0n8kbt.jpg][]

关于Worker、Executor、Task之间的关系，在官网有一个例子专门说明了，我们可以看看。先放出代码：

![007S8ZIlgy1gene6n49plj31dk0redmg.jpg][]

内部的图：

![007S8ZIlgy1gene7pzol8j30fp0eagnj.jpg][]

解释一下：

*  默认情况下： **如果不指定Tasks数，那么一个线程会有一个Task**
 *  `conf.setNumWorkers(2)`代表会创建两个Worker进程
 *  `setSpout("blue-spout", new BlueSpout(), 2)`蓝色Spout会有两个线程处理，因为有两个进程，所以一个进程会有一个蓝色Spout线程
 *  `topologyBuilder.setBolt("green-bolt", new GreenBolt(), 2).setNumTasks(4)` 绿色Bolt会有两个线程处理，因为有两个进程Worker所以一个进程会有一个绿色Bolt线程。又因为设置了4个Task数，所以一个线程会分配两个绿色的Task
 *  `topologyBuilder.setBolt("yellow-bolt", new YellowBolt(), 6).shuffleGrouping("green-bolt")`。黄色Bolt会有6个线程处理，因为创建了两个进程，所以一个进程会有3个黄色Bolt线程。没有单独设置Task书，所以一个线程默认有一个Task

从上面我们可以知道`threads ≤ tasks`线程数是肯定**小于等于**Task数的。有没有好奇宝宝会问：「**Storm用了线程，那么会有线程不安全的情况吗？**」（其实这是三歪刚学的疑问）

一般来说不会，因为很多情况下，一个线程是对应一个Task的（Task你可以理解为Bolt/Spout的实例），既然每个线程是处理自己的实例了，那当然不会有线程安全的问题啦。（当然了，你如果在Bolt/Spout中设置了**静态成员变量**，那还是会有线程安全问题）

## 最后 ##

这篇文章简单地介绍了一下Storm，Storm的东西其实还有很多，包括ack机制什么的。现在进官方找文档，都在主推**Trident**了，有兴趣的同学可以继续往下看。

话又说回来，我司也在主推**Flink**了，这块后续如果有迁移计划，我也准备学学搞搞，到时候再来分享分享入门文章。

参考资料：

*  [http://storm.apache.org/releases/2.1.0/Understanding-the-parallelism-of-a-Storm-topology.html][http_storm.apache.org_releases_2.1.0_Understanding-the-parallelism-of-a-Storm-topology.html]
 *  [https://blog.csdn.net/w8y56f/article/details/88826489][https_blog.csdn.net_w8y56f_article_details_88826489]

###  ###

求点赞！！！

### 各类知识点总结 ###

> 下面的文章都有对应的**原创精美**PDF，在持续更新中，可以来找我催更~

*  [92页的Mybatis][92_Mybatis]
 *  [129页的多线程][129]
 *  [141页的Servlet][141_Servlet]
 *  [158页的JSP][158_JSP]
 *  [76页的集合][76]
 *  [64页的JDBC][64_JDBC]
 *  [105页的数据结构和算法][105]
 *  [142页的Spring][142_Spring]
 *  [58页的过滤器和监听器][58]
 *  [30页的HTTP][30_HTTP]
 *  Hibernate
 *  AJAX
 *  Redis
 *  …

#### 涵盖Java后端所有知识点的开源项目（已有7 K star）：[https://github.com/ZhongFuCheng3y/3y][https_github.com_ZhongFuCheng3y_3y] ####

如果大家想要**实时**关注我更新的文章以及分享的干货的话，微信搜索**Java3y**。

PDF文档的内容**均为手打**，有任何的不懂都可以直接**来问我**（公众号有我的联系方式）。

![format_png][]

![format_png 1][]

![aHR0cHM6Ly90dmExLnNpbmFpbWcuY24vbGFyZ2UvMDA2dE5iUndseTFnYjBuenBuOHo3ZzMwZ28wZ29rYnAuZ2lm][]

[https_github.com_ZhongFuCheng3y_3y]: https://github.com/ZhongFuCheng3y/3y
[007S8ZIlgy1gehu3007uij31qm0cwtag.jpg]: /images/20210827/d063c1eaa4ba4cf484b47f006bd59451.png
[007S8ZIlgy1gehv1r64pzj30j204kmxc.jpg]: /images/20210827/1813c561130a4f2c9b7372d0fc05c7f6.png
[007S8ZIlgy1gehvqryjwoj30u0108n6t.jpg]: /images/20210827/d77265f4cf434de193e93fe60679d73e.png
[007S8ZIlgy1gen6yehpngj31du0l80xq.jpg]: /images/20210827/bd76c83ab5014d32a44602c7765d5a33.png
[007S8ZIlgy1gen7sdpofnj30p80c13zn.jpg]: /images/20210827/582114fc78264582bc4b90d9793cc5dc.png
[007S8ZIlgy1gen8dqnu6gj30pv0cn0u9.jpg]: /images/20210827/364e868e90f24cb28534b09a1d14a326.png
[007S8ZIlgy1genf91raqoj30pc0bj0tz.jpg]: /images/20210827/f408810bd9e34eb0b482c71fc8f5bf9d.png
[007S8ZIlgy1gencecca4ej31580u0tki.jpg]: /images/20210827/3a584ee970ed43df8ec0fcfe4715e731.png
[007S8ZIlgy1gencln9kn7j30lf0bhdgx.jpg]: /images/20210827/fa106f3d09da49ea863aae0a35d38cdc.png
[007S8ZIlgy1genct5i0sbj30ap06r74m.jpg]: /images/20210827/b38041021bd84120a5aff612f2e5c2eb.png
[007S8ZIlgy1gendg7qgzwj30zi0qagun.jpg]: /images/20210827/33f8da02c4af43d0aa115a80d473ec46.png
[007S8ZIlgy1gendwk07lmj312s0n8kbt.jpg]: /images/20210827/898db0027caf46a6b8cd0aeb7e98f29c.png
[007S8ZIlgy1gene6n49plj31dk0redmg.jpg]: /images/20210827/5dfc613c2e4b475aa2efd9ca515175e9.png
[007S8ZIlgy1gene7pzol8j30fp0eagnj.jpg]: /images/20210827/02112c5d34624e0baca1a7a61ca56361.png
[http_storm.apache.org_releases_2.1.0_Understanding-the-parallelism-of-a-Storm-topology.html]: http://storm.apache.org/releases/2.1.0/Understanding-the-parallelism-of-a-Storm-topology.html
[https_blog.csdn.net_w8y56f_article_details_88826489]: https://blog.csdn.net/w8y56f/article/details/88826489
[92_Mybatis]: https://mp.weixin.qq.com/s/0_zTBooRV4RTWQa8VOwiWg
[129]: https://mp.weixin.qq.com/s/r7IrmvBxG5W0hswfcgFjcQ
[141_Servlet]: https://mp.weixin.qq.com/s?__biz=MzI4Njg5MDA5NA==&mid=2247486798&idx=1&sn=ce900e97a495ffd681cd0ad9b78aa5ca&chksm=ebd74c4fdca0c559d0a32a3f3ddb3f579d3a16b47f70234c46ac2e5df315e7df90f93d1715b9&token=1109491988&lang=zh_CN#rd
[158_JSP]: https://mp.weixin.qq.com/s?__biz=MzI4Njg5MDA5NA==&mid=2247486854&idx=1&sn=fd77a6225b898b69c4f0e1a7e66cf105&chksm=ebd74c87dca0c5910a923a443ea6f694dd554b68df8cc00506570555b9cf7718a2ef2a058754&token=1109491988&lang=zh_CN#rd
[76]: https://mp.weixin.qq.com/s?__biz=MzI4Njg5MDA5NA==&mid=2247486873&idx=1&sn=ce0752f481336ffba9b8f44265b2550e&chksm=ebd74c98dca0c58ee04162d7e5d07fd36c8ec1b32460a8a2396168a9fc5885a208810f0916f2&token=1109491988&lang=zh_CN#rd
[64_JDBC]: https://mp.weixin.qq.com/s?__biz=MzI4Njg5MDA5NA==&mid=2247486905&idx=1&sn=67fcd0558cfbdf6cd36de98cbd93afaf&chksm=ebd74cb8dca0c5ae052e6d216ed13458a9a17fa1b0f245bf740379b1d4b04b4e55fcbfb5adb4&token=1109491988&lang=zh_CN#rd
[105]: https://mp.weixin.qq.com/s?__biz=MzI4Njg5MDA5NA==&mid=2247486831&idx=1&sn=0d4b05e10d66eda1129f43348a8e3952&chksm=ebd74c6edca0c5786a5109a131d0501ef6bd02077e5ce1ad75d906cf3612a320d1098163e2d0&token=1109491988&lang=zh_CN#rd
[142_Spring]: https://mp.weixin.qq.com/s?__biz=MzI4Njg5MDA5NA==&mid=2247487013&idx=1&sn=f0d8c292738eb49bcd09cb2f6458dc69&chksm=ebd74f24dca0c632fa3ef8f205a2dd5c96531f78a68eae805e15b84de0b59774196a188aed14&token=306734573&lang=zh_CN#rd
[58]: https://mp.weixin.qq.com/s?__biz=MzI4Njg5MDA5NA==&mid=2247487054&idx=1&sn=25f92798050d092027931e2ae0379e90&chksm=ebd74f4fdca0c6595bc795fd00354cf683d4593550cdd38ba7103893dd622606fc8f55fe6631&token=306734573&lang=zh_CN#rd
[30_HTTP]: https://mp.weixin.qq.com/s?__biz=MzI4Njg5MDA5NA==&mid=2247487071&idx=1&sn=511459730b3114fc77c60b82b54159b8&chksm=ebd74f5edca0c648c9b0c572fbc7fdbc26179ddcd7c45de37c06b6a2906a8ffc207f145b66f2&token=480724592&lang=zh_CN#rd
[format_png]: /images/20210827/38a6cbc354ce48618d8d4072d454cb74.png
[format_png 1]: /images/20210827/ae0317e31cbd4719961aef863791fba6.png
[aHR0cHM6Ly90dmExLnNpbmFpbWcuY24vbGFyZ2UvMDA2dE5iUndseTFnYjBuenBuOHo3ZzMwZ28wZ29rYnAuZ2lm]: /images/20210827/f1cac57f06934c7483ff86c3b5958a86.png