【原】【译文】理解storm拓扑并行度

原文地址： http://storm.apache.org/releases/1.2.1/Understanding-the-parallelism-of-a-Storm-topology.html

什么构成一个运行的拓扑：工作进程，执行器和任务

storm区分以下三个用于在Storm集群中实际运行拓扑的主要实体：

1. 工作进程
2. 执行器（线程）
3. 任务

这是他们的关系的一个简单的说明

【译者理解：1个工作进程(worker)可包括1或多个执行器(executor/thread)，1个执行器可包括1或多个任务(task)】

 

一个工作进程执行拓扑的子集，一个工作进程属于一个特定的拓扑，可以针对该拓扑的一个或多个组件（spouts或bolts）运行一个或多个执行器。

一个正在运行的拓扑由Storm集群内许多机器上运行的许多此类进程组成。

 

一个执行器是由工作进程产生的线程。 它可以为同一个组件（spouts或bolts）运行一个或多个任务。

 

一个任务是执行实际的数据处理，您在代码中实现的每个spout或bolt在集群中执行许多任务。 组件的任务数量在拓扑的整个生命周期中始终保持不变，但组件的执行器（线程）数量可随时间变化。 这意味着以下条件成立：#threads≤#tasks（线程数量<=任务数量）。 默认情况下，任务的数量设置为与执行器的数量相同，即Storm将为每个线程运行一个任务。

 

配置拓扑并行度

工作进程数量

• 描述：为集群中的拓扑创建多少个工作进程
• 配置项：TOPOLOGY_WORKERS
• 在代码中如何设置：
  • Config#setNumWorkers

 

执行器数量（线程）

• 描述：每个组件产生多少个执行器
• 配置项：无（通过在setSpout或setBolt传递parallelism_hin参数）
• 在代码中如何设置：
  • TopologyBuilder#setSpout()
  • TopologyBuilder#setBolt()

任务数量

• 描述：每个组件产生多少个任务
• 配置项：TOPOLOGY_TASKS
• 在代码中如何设置：
  • ComponentConfigurationDeclarer#setNumTasks()

实践中的代码片段如下：

topologyBuilder.setBolt("green-bolt", new GreenBolt(), 2)
               .setNumTasks(4)
               .shuffleGrouping("blue-spout");

在上面的代码中，我们配置了Storm来运行初始值为两个执行器和四个相关任务的GreenBolt。 Storm将为每个执行器（线程）运行两个任务。 如果您没有明确配置任务数量，Storm将默认每个执行程序运行一个任务。

 

拓扑实例

 如下插图显示了一个简单拓扑，该拓扑由三个组件构成：分别是BlueSpout和GreenBolt和YellowBolt。

这些组件被连接起来，BlueSpout输出到GreenBolt，GreenBolt输出到YellowBolt。

【译者理解：由上图知，该拓扑合计并行度为10（2+2+6），每个工作进程将产生5（10/2）个线程，上图中表现出了2个工作进程(Worker Process)，与它们各自当中有5个线程（5个矩形框），其中有一个矩形框包括2个绿色Task， 是因为GreenBolt的parallelism hint为2，task number为4， 4/2=2】

相应的代码如下：

Config conf = new Config();
conf.setNumWorkers(2); // use two worker processes

topologyBuilder.setSpout("blue-spout", new BlueSpout(), 2); // set parallelism hint to 2

topologyBuilder.setBolt("green-bolt", new GreenBolt(), 2)
               .setNumTasks(4)
               .shuffleGrouping("blue-spout");

topologyBuilder.setBolt("yellow-bolt", new YellowBolt(), 6)
               .shuffleGrouping("green-bolt");

StormSubmitter.submitTopology(
        "mytopology",
        conf,
        topologyBuilder.createTopology()
    );

 

 如何修改一个正在运行拓扑的并行度

Storm的一个非常好的功能是，您可以增加或减少工作进程和/或执行器的数量，而无需重新启动群集或拓扑。 这叫作重新平衡。

您有两个选项来重新平衡拓扑：

　　1. 使用Storm Web UI重新平衡拓扑。
　　2. 使用如下所述CLI工具重新平衡。
　　以下是使用CLI工具的示例：

## Reconfigure the topology "mytopology" to use 5 worker processes,
## the spout "blue-spout" to use 3 executors and
## the bolt "yellow-bolt" to use 10 executors.

$ storm rebalance mytopology -n 5 -e blue-spout=3 -e yellow-bolt=10