storm記錄--4-- Storm適用場(chǎng)景

Storm適用場(chǎng)景

1. 流聚合：

   流聚合就是把兩個(gè)或多個(gè)數(shù)據(jù)流聚合成一個(gè)數(shù)據(jù)流 -- 基于一些共同的tuple字段。

   builder.setBolt(5,new MyJoiner(),parallelism)

    .fieldsGrouping(1,new Fields("joinfield1","joinfield2"))

    .fieldsGrouping(2,new Fields("joinfield1","joinfield2"))

    .fieldsGrouping(3,new Fields("joinfield1","joinfield2"))

2. 批處理：

   有時(shí)候?yàn)榱诵阅芑蛘咭恍﹦e的原因，你可能想把一組tuple一起處理，而不是一個(gè)一個(gè)單獨(dú)處理。

3. BasicBolt：

   a、讀一個(gè)輸入tuple；

   b、根據(jù)這個(gè)輸入tuple發(fā)射一個(gè)或者多個(gè)tuple；

   c、在execute的方法的最后ack那個(gè)輸入tuple

   遵循這類(lèi)模式的bolt一般是函數(shù)或者是過(guò)濾器，這種模式太常見(jiàn)，storm為這類(lèi)模式單獨(dú)封裝了一個(gè)接口：IbasicBolt。

4. 內(nèi)存內(nèi)緩存 + Fields grouping組合

   在bolt的內(nèi)存里面緩存一些東西非常常見(jiàn)。緩存在和fields grouping結(jié)合起來(lái)之后就更有用了。比如，你有一個(gè)bolt把短鏈接變成長(zhǎng)鏈接（bit.ly,t.co之類(lèi)的）。你可以把短鏈接到長(zhǎng)鏈接的對(duì)應(yīng)關(guān)系利用LRU算分緩存在內(nèi)存里面以避免重復(fù)計(jì)算。比如組件一發(fā)射短鏈接，組件二把短鏈接轉(zhuǎn)化成長(zhǎng)鏈接并緩存在內(nèi)存里面。看一下下面兩段代碼有什么不一樣：

   builder.setBolt(2,new ExpandUrl(),parallelism).shuffleGrouping(1);

   builder.setBolt(2,new ExpandUrl(),parallelism).fieldsGrouping(1,new Fields("url"));

5. 計(jì)算top N

   比如你有一個(gè)bolt發(fā)射這樣的tuple:"value","count"并且你想一個(gè)bolt基于這些信息算出top N的tuple。最簡(jiǎn)單的辦法是有一個(gè)bolt可以做一個(gè)全局的grouping的動(dòng)作并且在內(nèi)存里面保持著top N的值。

   這個(gè)方式對(duì)于大數(shù)據(jù)量的流顯然是沒(méi)有擴(kuò)展性的，因?yàn)樗械臄?shù)據(jù)會(huì)被發(fā)到同一臺(tái)機(jī)器。一個(gè)更好的方法是在多臺(tái)機(jī)器上面并行的計(jì)算這個(gè)流每一部分的top N，然后再由一個(gè)bolt合并這些機(jī)器上面所算出來(lái)的top N以算出最后的top N，代碼大概是這樣的：

   builder.setBolt(2,new RankObjects(),parallellism).fieldsGrouping(1,new Fields("value"));

   builder.setBolt(3,new MergeObjects()).globalGrouping(2);

   這個(gè)模式之所以可以成功是因?yàn)榈谝粋€(gè)bolt的fieldsgrouping使得這種并行算法在語(yǔ)義上是正確的。

6. 用TimeCacheMap來(lái)高效地保存一個(gè)最近被更新的對(duì)象的緩存：

   有時(shí)候你想在內(nèi)存里面保存一些最近活躍的對(duì)象，以及那些不再活躍的對(duì)象。TimeCacheMap是一個(gè)非常高效地?cái)?shù)據(jù)結(jié)構(gòu)，它提供了一些callback函數(shù)使得我們?cè)趯?duì)象不再活躍的時(shí)候我們可以做一些事情。

7. 分布式RPC：CoordinatedBolt和KeyedFairBolt:

   用storm做分布式RPC應(yīng)用的時(shí)候有兩種比較常見(jiàn)的模式：它們被封裝在CoordinatedBolt和KeyedFairBolt里面。

   CoordinatedBolt包裝你的bolt，并且確定什么時(shí)候你的bolt已經(jīng)接收到所有的tuple，它主要使用Direct Stream來(lái)做這個(gè)。

   KeyedFairBolt同樣包裝你的bolt并且保證你的topology同時(shí)處理多個(gè)DRPC調(diào)用，而不是串行的一次只執(zhí)行一個(gè)。