From 642c344ecb299ea423f84049d99d43a11d8b5dce Mon Sep 17 00:00:00 2001 From: luoxiang <2806718453@qq.com> Date: Thu, 30 May 2019 23:42:29 +0800 Subject: [PATCH] modify --- notes/Storm三种打包方式对比分析.md | 3 +- notes/Storm核心概念详解.md | 30 +++++++++---------- notes/installation/Storm集群环境搭建.md | 4 +-- 3 files changed, 19 insertions(+), 18 deletions(-) diff --git a/notes/Storm三种打包方式对比分析.md b/notes/Storm三种打包方式对比分析.md index 2cd6bcd..b8d5df1 100644 --- a/notes/Storm三种打包方式对比分析.md +++ b/notes/Storm三种打包方式对比分析.md @@ -89,7 +89,8 @@ maven-assembly-plugin是官方文档中介绍的打包方法，来源于官方 ```xml + xsi:schemaLocation="http://maven.apache.org/ASSEMBLY/2.0.0 + http://maven.apache.org/xsd/assembly-2.0.0.xsd"> jar-with-dependencies jar diff --git a/notes/Storm核心概念详解.md b/notes/Storm核心概念详解.md index c1f5c2e..559c566 100644 --- a/notes/Storm核心概念详解.md +++ b/notes/Storm核心概念详解.md @@ -26,21 +26,21 @@ ### 1.2 Streams（流） -`stream`是Storm中的核心概念。一个`stream`是一个无界的、以分布式方式并行创建和处理的`Tuple`序列。Tuple可以包含大多数基本类型以及自定义类型的数据。简单来说，Tuple就是流数据的实际载体，而stream就是一系列Tuple。 +`Stream`是Storm中的核心概念。一个`Stream`是一个无界的、以分布式方式并行创建和处理的`Tuple`序列。Tuple可以包含大多数基本类型以及自定义类型的数据。简单来说，Tuple就是流数据的实际载体，而Stream就是一系列Tuple。 ### 1.3 Spouts -`Spouts`是流数据的源头，一个Spout 可以向不止一个`Streams`中发送数据。`Spout`通常分为**可靠**和**不可靠**两种：可靠的` Spout`能够在失败时重新发送 Tuple, 不可靠的`Spout`一旦把Tuple 发送出去就置之不理了。 +`Spouts`是流数据的源头，一个Spout 可以向不止一个`StreamS`中发送数据。`Spout`通常分为**可靠**和**不可靠**两种：可靠的` Spout`能够在失败时重新发送 Tuple, 不可靠的`Spout`一旦把Tuple 发送出去就置之不理了。 ### 1.4 Bolts -`Bolts`是流数据的处理单元，它可以从一个或者多个`Streams`中接收数据，处理完成后再发射到新的`Streams`中。`Bolts`可以执行过滤(filtering)，聚合(aggregations)，连接(joins)等操作，并能与文件系统或数据库进行交互。 +`Bolts`是流数据的处理单元，它可以从一个或者多个`StreamS`中接收数据，处理完成后再发射到新的`StreamS`中。`Bolts`可以执行过滤(filtering)，聚合(aggregations)，连接(joins)等操作，并能与文件系统或数据库进行交互。 ### 1.5 Stream groupings（分组策略）
-`spouts`和`bolts`在集群上执行任务时，是由多个Task并行执行（如上图，每一个圆圈代表一个Task）。当一个tuple需要从Bolt A发送给Bolt B执行的时候，程序如何知道应该发送给Bolt B的哪一个Task执行呢？ +`spouts`和`bolts`在集群上执行任务时，是由多个Task并行执行(如上图，每一个圆圈代表一个Task)。当一个Tuple需要从Bolt A发送给Bolt B执行的时候，程序如何知道应该发送给Bolt B的哪一个Task执行呢？ 这是由Stream groupings分组策略来决定的，Storm中一共有如下8个内置的Stream Grouping。当然你也可以通过实现 `CustomStreamGrouping`接口来实现自定义Stream分组策略。 @@ -50,9 +50,9 @@ 2. **Fields grouping** - Streams通过grouping指定的字段(field)来分组。假设通过`user-id`字段进行分区，那么具有相同`user-id`的Tuple就会发送到同一个Task。 + Streams通过grouping指定的字段(field)来分组。假设通过`user-id`字段进行分区，那么具有相同`user-id`的Tuples就会发送到同一个Task。 -3. **Partial Key grouping ** +3. **Partial Key grouping** Streams通过grouping中指定的字段(field)来分组，与`Fields Grouping`相似。但是对于两个下游的Bolt来说是负载均衡的，可以在输入数据不平均的情况下提供更好的优化。 @@ -64,17 +64,17 @@ 整个Streams会进入Bolt的其中一个Task。通常会进入id最小的Task。 -6. **None grouping ** +6. **None grouping** 当前None grouping 和Shuffle grouping等价，都是进行随机分发。 -7. **Direct grouping ** +7. **Direct grouping** - Direct grouping只能被用于direct streams 。使用这种方式需要由Tuple的**生产者**直接指定由哪个Task进行处理。 + Direct grouping只能被用于direct streams 。使用这种方式需要由Tuple的生产者直接指定由哪个Task进行处理。 8. **Local or shuffle grouping** - 如果目标bolt有tasks和当前bolt的tasks处在同一个worker进程中，那么则优先将tuples shuffled到处于同一个进程的目标bolt的tasks上，这样可以最大限度地减少网络传输。否则，就和普通的`Shuffle Grouping`行为一致。 + 如果目标Bolt有Tasks和当前Bolt的Tasks处在同一个Worker进程中，那么则优先将Tuple Shuffled到处于同一个进程的目标Bolt的Tasks上，这样可以最大限度地减少网络传输。否则，就和普通的`Shuffle Grouping`行为一致。 @@ -87,19 +87,19 @@ 也叫做Master Node，是Storm集群工作的全局指挥官。主要功能如下： 1. 通过Thrift接口，监听并接收Client提交的Topology； -2. 根据集群Workers的资源情况，将Client提交的Topology进行任务分配，分配结果写入zookeeper ; +2. 根据集群Workers的资源情况，将Client提交的Topology进行任务分配，分配结果写入Zookeeper; 3. 通过Thrift接口，监听Supervisor的下载Topology代码的请求，并提供下载 ; -4. 通过Thrift接口，监听UI对统计信息的读取，从zookeeper上读取统计信息，返回给UI; +4. 通过Thrift接口，监听UI对统计信息的读取，从Zookeeper上读取统计信息，返回给UI; 5. 若进程退出后，立即在本机重启，则不影响集群运行。 ### 2.2 Supervisor进程 -也叫做Worker Node , 是Storm集群的资源管理者，按需启动worker进程。主要功能如下： +也叫做Worker Node , 是Storm集群的资源管理者，按需启动Worker进程。主要功能如下： 1. 定时从Zookeeper检查是否有新Topology代码未下载到本地 ，并定时删除旧Topology代码 ; -2. 根据Nimbus的任务分配计划，在本机按需启动1个或多个Worker进程，并监控所有的worker进程的情况； +2. 根据Nimbus的任务分配计划，在本机按需启动1个或多个Worker进程，并监控所有的Worker进程的情况； 3. 若进程退出，立即在本机重启，则不影响集群运行。 @@ -114,7 +114,7 @@ Nimbus和Supervisor进程都被设计为**快速失败**（遇到任何意外情 Storm集群的任务构造者 ，构造Spoult或Bolt的Task实例，启动Executor线程。主要功能如下： -1. 根据Zookeeper上分配的Task，在本进程中启动1个或多个Executor线程，将构造好的Eask实例交给Executor去运行; +1. 根据Zookeeper上分配的Task，在本进程中启动1个或多个Executor线程，将构造好的Task实例交给Executor去运行； 2. 向Zookeeper写入心跳 ； diff --git a/notes/installation/Storm集群环境搭建.md b/notes/installation/Storm集群环境搭建.md index 852ba66..fd7e7f6 100644 --- a/notes/installation/Storm集群环境搭建.md +++ b/notes/installation/Storm集群环境搭建.md @@ -96,7 +96,7 @@ supervisor.slots.ports: 先启动Zookeeper集群，之后再启动Storm集群。因为要启动多个进程，所以统一采用后台进程的方式启动，进入到`${STORM_HOME}/bin`目录下，依次执行下面的命令： -**hadoop001** +**hadoop001 ：** 因为hadoop001是nimbus节点，所以需要启动nimbus服务和ui服务；同时hadoop001也是supervisor节点，所以需要启动supervisor服务和logviewer服务： @@ -111,7 +111,7 @@ nohup sh storm ui & nohup sh storm logviewer & ``` -**hadoop002 & hadoop003** +**hadoop002 & hadoop003 ： ** hadoop002和hadoop003都只需要启动supervisor服务和logviewer服务：