Storm Bolts

Bolts

正如你已經(jīng)看到的，bolts 是一個 Storm 集群中的關(guān)鍵組件。你將在這一章學到 bolt 生命周期，一些 bolt 設(shè)計策略，以及幾個有關(guān)這些內(nèi)容的例子。

Bolt 生命周期

Bolt 是這樣一種組件，它把元組作為輸入，然后產(chǎn)生新的元組作為輸出。實現(xiàn)一個 bolt 時，通常需要實現(xiàn) IRichBolt 接口。Bolts 對象由客戶端機器創(chuàng)建，序列化為拓撲，并提交給集群中的主機。然后集群啟動工人進程反序列化 bolt，調(diào)用 prepare****，最后開始處理元組。

NOTE:要創(chuàng)建一個 bolt 對象，它通過構(gòu)造器參數(shù)初始化成員屬性，bolt 被提交到集群時，這些屬性值會隨著一起序列化。

Bolt 結(jié)構(gòu)

Bolts擁有如下方法：

declareOutputFields(OutputFieldsDeclarer declarer)
    為bolt聲明輸出模式
prepare(java.util.Map stormConf, TopologyContext context, OutputCollector collector)
    僅在bolt開始處理元組之前調(diào)用
execute(Tuple input)
    處理輸入的單個元組
cleanup()
    在bolt即將關(guān)閉時調(diào)用  

下面看一個例子，在這個例子中 bolt 把一句話分割成單詞列表：

class SplitSentence implements IRichBolt {
    private OutputCollector collector;
    publlic void prepare(Map conf, TopologyContext context, OutputCollector collector) {
        this.collector = collector;
    }

    public void execute(Tuple tuple) {
        String sentence = tuple.getString(0);
        for(String word : sentence.split(" ")) {
            collector.emit(new Values(word));
        }
    }

    public void cleanup(){}

    public void declareOutputFields(OutputFieldsDeclarer declarer) {
        declarer.declare(new Fields("word"));
    }
}  

正如你所看到的，這是一個很簡單的 bolt。值得一提的是在這個例子里，沒有消息擔保。這就意味著，如果 bolt 因為某些原因丟棄了一些消息——不論是因為 bolt 掛了，還是因為程序故意丟棄的——生成這條消息的 spout 不會收到任何通知，任何其它的 spouts 和 bolts 也不會收到。

然而在許多情況下，你想確保消息在整個拓撲范圍內(nèi)都被處理過了。

可靠的 bolts 和不可靠的 bolts

正如前面所說的，Storm 保證通過 spout 發(fā)送的每條消息會得到所有 bolt 的全面處理?；谠O(shè)計上的考慮，這意味著你要自己決定你的 bolts 是否保證這一點。

拓撲是一個樹型結(jié)構(gòu)，消息（元組）穿過其中一條或多條分支。樹上的每個節(jié)點都會調(diào)用 ack(tuple) 或 fail(tuple)，Storm 因此知道一條消息是否失敗了，并通知那個/那些制造了這些消息的 spout(s)。既然一個 Storm 拓撲運行在高度并行化的環(huán)境里，跟蹤始發(fā) spout 實例的最好方法就是在消息元組內(nèi)包含一個始發(fā) spout 引用。這一技巧稱做錨定(譯者注：原文為Anchoring)。修改一下剛剛講過的 SplitSentence，使它能夠確保消息都被處理了。

class SplitSentence implenents IRichBolt {
    private OutputCollector collector;

    public void prepare(Map conf, TopologyContext context, OutputCollector collector) {
        this.collector = collector;
    }

    public void execute(Tuple tuple) {
        String sentence = tuple.getString(0);
        for(String word : sentence.split(" ")) {
            collector.emit(tuple, new Values(word));
        }
        collector.ack(tuple);
    }

    public void cleanup(){}

    public void declareOutputFields(OutputFieldsDeclarer declarer){
        declar.declare(new Fields("word"));
    }
}  

錨定發(fā)生在調(diào)用 collector.emit() 時。正如前面提到的，Storm 可以沿著元組追蹤到始發(fā)spout。collector.ack(tuple) 和 collector.fail(tuple)會告知 spout 每條消息都發(fā)生了什么。當樹上的每條消息都已被處理了，Storm 就認為來自 spout 的元組被全面的處理了。如果一個元組沒有在設(shè)置的超時時間內(nèi)完成對消息樹的處理，就認為這個元組處理失敗。默認超時時間為30秒。

NOTE:你可以通過修改Config.TOPOLOGY_MESSAGE_TIMEOUT修改拓撲的超時時間。

當然了spout需要考慮消息的失敗情況，并相應(yīng)的重試或丟棄消息。

NOTE:你處理的每條消息要么是確認的（譯者注：collector.ack()）要么是失敗的（譯者注：collector.fail()）。Storm 使用內(nèi)存跟蹤每個元組，所以如果你不調(diào)用這兩個方法，該任務(wù)最終將耗盡內(nèi)存。

多數(shù)據(jù)流

一個 bolt 可以使用 emit(streamId, tuple) 把元組分發(fā)到多個流，其中參數(shù) streamId 是一個用來標識流的字符串。然后，你可以在 TopologyBuilder 決定由哪個流訂閱它。

多錨定

為了用 bolt 連接或聚合數(shù)據(jù)流，你需要借助內(nèi)存緩沖元組。為了在這一場景下確保消息完成，你不得不把流錨定到多個元組上?？梢韵?emit 方法傳入一個元組列表來達成目的。

...
List anchors = new ArrayList();
anchors.add(tuple1);
anchors.add(tuple2);
collector.emit(anchors, values);
...  

通過這種方式，bolt 在任意時刻調(diào)用 ack 或 fail 方法，都會通知消息樹，而且由于流錨定了多個元組，所有相關(guān)的 spout 都會收到通知。

使用 IBasicBolt 自動確認

你可能已經(jīng)注意到了，在許多情況下都需要消息確認。簡單起見，Storm 提供了另一個用來實現(xiàn)bolt 的接口，IBasicBolt。對于該接口的實現(xiàn)類的對象，會在執(zhí)行 execute 方法之后自動調(diào)用 ack 方法。

class SplitSentence extends BaseBasicBolt {
    public void execute(Tuple tuple, BasicOutputCollector collector) {
        String sentence = tuple.getString(0);
        for(String word : sentence.split(" ")) {
            collector.emit(new Values(word));
        }
}

    public void declareOutputFields(OutputFieldsDeclarer declarer) {
        declarer.declare(new Fields("word"));
    }
}  

NOTE:分發(fā)消息的 BasicOutputCollector 自動錨定到作為參數(shù)傳入的元組。