欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

实时计算入门篇-了解storm

程序员文章站 2022-03-26 14:48:58
离线计算最近在了解离线系统,根据自己的了解,以及参考网上的相关资料,总结了相关知识,供刚入门的同学们了解。离线计算,就是批量获取数据、批量传输数据、周期性批量计算数据、数据展示,相信大家在了解实时计算的时候肯定对离线计算有一定的了解了,比如Sqoop批量导入数据、HDFS批量存储数据、MapReduce批量计算数据、Hive批量计算数据、任务调度等技术(zakaban),这些都是离线计算流式计算流式计算,数据实时产生、数据实时传输、数据实时计算、实时展示。Flume实时获取数据、Kafka/m...

离线计算

最近在了解离线系统,根据自己的了解,以及参考网上的相关资料,总结了相关知识,供刚入门的同学们了解。

离线计算,就是批量获取数据、批量传输数据、周期性批量计算数据、数据展示,相信大家在了解实时计算的时候肯定对离线计算有一定的了解了,比如Sqoop批量导入数据、HDFS批量存储数据、MapReduce批量计算数据、Hive批量计算数据、任务调度等技术(zakaban),这些都是离线计算

流式计算

流式计算,数据实时产生、数据实时传输、数据实时计算、实时展示。Flume实时获取数据、Kafka/metaq实时数据存储、Storm/JStorm实时数据计算、Redis实时结果缓存、持久化存储(mysql),总结一句话就是将源源不断产生的数据实时收集并实时计算,尽可能快的得到计算结果

Storm什么

Flume实时采集,低延迟
Kafka消息队列,低延迟
Storm实时计算,低延迟
Redis实时存储,低延迟
Storm用来实时处理数据,特点:低延迟、高可用、分布式、可扩展、数据不丢失。提供简单容易理解的接口,便于开发。海量数据?数据类型很多,产生数据的终端很多,处理数据能力增强。相对于我们之前的Hadoop技术,我们可以发现Storm用于实时计算,Hadoop用于离线计算,Storm处理的数据保存在内存中,源源不断;Hadoop处理的数据保存在文件系统中,一批一批。Storm的数据通过网络传输进来;Hadoop的数据保存在磁盘中,不过有一点 Storm与Hadoop的编程模型相似,如图说明
实时计算入门篇-了解storm
Job:任务名称
JobTracker:项目经理
TaskTracker:开发组长、产品经理
Child:负责开发的人员
Mapper/Reduce:开发人员中的两种角色,一种是服务器开发、一种是客户端开发

Topology:任务名称
Nimbus:项目经理
Supervisor:开组长、产品经理
Worker:开人员
Spout/Bolt:开人员中的两种角色,一种是服务器开发、一种是客户端开发

storm应用

比如说,我们分析股市的行情,数据产生,就需要低延迟,实时计算的需求,所以storm是一个比较不错的解决方案。具体应用场景如下:

  1. 日志分析
    从海量日志中分析出特定的数据,并将分析的结果存入外部存储器用来辅佐决策。
  2. 管道系统
    将一个数据从一个系统传输到另外一个系统,比如将数据库同步到Hadoop
  3. 消息转化器
    将接受到的消息按照某种格式进行转化,存储到另外一个系统如消息中间件

当前社会实时计算的应用系统

  1. 一淘-实时分析系统:实时分析用户的属性,并反馈给搜索引擎
    最初,用户属性分析是通过每天在云梯上定时运行的MR job来完成的。为了满足实时性的要求,希望能够实时分析用户的行为日志,将最新的用户属性反馈给搜索引擎,能够为用户展现最贴近其当前需求的结果。
  2. 携程-网站性能监控:实时分析系统监控携程网的网站性能
    利用HTML5提供的performance标准获得可用的指标,并记录日志。Storm集群实时分析日志和入库。使用DRPC聚合成报表,通过历史数据对比等判断规则,触发预警事件。
  3. 阿里妈妈-用户画像:实时计算用户的兴趣数据
    为了更加精准投放广告,阿里妈妈后台计算引擎需要维护每个用户的兴趣点(理想状态是,你对什么感兴趣,就向你投放哪类广告)。用户兴趣主要基于用户的历史行为、用户的实时查询、用户的实时点击、用户的地理信息而得,其中实时查询、实时点击等用户行为都是实时数据。考虑到系统的实时性,阿里妈妈使用Storm维护用户兴趣数据,并在此基础上进行受众定向的广告投放。

storm 核心组件

实时计算入门篇-了解storm
我们对上述组件进行具体说明一下。

  • Nimbus:负责资源分配和任务调度。
  • Supervisor:负责接受nimbus分配的任务,启动和停止属于自己管理的worker进程。—通过配置文件设置当前supervisor上启动多少个worker。
  • Worker:运行具体处理组件逻辑的进程。Worker运行的任务类型只有两种,一种是Spout任务,一种是Bolt任务。
  • Task:worker中每一个spout/bolt的线程称为一个task. 在storm0.8之后,task不再与物理线程对应,不同spout/bolt的task可能会共享一个物理线程,该线程称为executor。

Storm编程模型

实时计算入门篇-了解storm

  • Topology:Storm中运行的一个实时应用程序的名称。(拓扑)
  • Spout:在一个topology中获取源数据流的组件。
    通常情况下spout会从外部数据源中读取数据,然后转换为topology内部的源数据。
  • Bolt:接受数据然后执行处理的组件,用户可以在其中执行自己想要的操作。
  • Tuple:一次消息传递的基本单元,理解为一组消息就是一个Tuple。
  • Stream:表示数据的流向。
    下图是storm的架构图
    实时计算入门篇-了解storm
  • 其中flume用来获取数据。
  • Kafka用来临时保存数据。
  • Strom用来计算数据。
  • Redis是个内存数据库,用来保存数据。
    下一篇,我们会总结关于storm集群的安装以及基本使用。不嫌弃可以给个赞,加个关注,哈哈哈。

本文地址:https://blog.csdn.net/uniqueweimeijun/article/details/107552705