对于Storm,它有一个很重要的特性:“Guarantee no data loss” ——可靠性
很显然,要做到这个特性,必须要track每个data的去向和结果。Storm是如何做到的呢——acker机制。
先概括下acker所参与的工作流程:
- Spout创建一个新的Tuple时,会发一个消息通知acker去跟踪;
- Bolt在处理Tuple成功或失败后,也会发一个消息通知acker;
- acker会找到发射该Tuple的Spout,回调其ack或fail方法。
我们说RichBolt和BasicBolt的区别是后者会自动ack。那么是不是我们只要实现了Spout的ack或fail方法就能看到反馈了呢?
试试在RandomSpout(extends BaseRichSpout )中加入如下代码:
1 public class RandomSpout extends BaseRichSpout {
2
3 private SpoutOutputCollector collector;
4
5 private Random rand;
6
7 private static String[] sentences = new String[] {"edi:I'm happy", "marry:I'm angry", "john:I'm sad", "ted:I'm excited", "laden:I'm dangerous"};
8
9 @Override
10 public void open(Map conf, TopologyContext context,
11 SpoutOutputCollector collector) {
12 this.collector = collector;
13 this.rand = new Random();
14 }
15
16 @Override
17 public void nextTuple() {
18 String toSay = sentences[rand.nextInt(sentences.length)];
19 this.collector.emit(new Values(toSay));
20 }
21
22 @Override
23 public void declareOutputFields(OutputFieldsDeclarer declarer) {
24 declarer.declare(new Fields("sentence"));
25 }
26
27 }
public class RandomSpout extends BaseRichSpout
1 @Override
2
3 public void ack(Object msgId) {
4
5 System.err.println("ack " + msgId);
6
7 }
8
9 @Override
10
11 public void fail(Object msgId) {
12
13 System.err.println("fail " + msgId);
14
15 }
疑问:重新运行ExclaimBasicTopo,看下结果。并没有任何的ack 和 fail 出现?
分析:原因是,Storm要求如果要track一个Tuple,必须要指定其messageId,也就是回调回ack和fail方法的参数。如果我们不指定,Storm是不会去track该tuple的,即不保证消息丢失!
探讨:我们改下Spout代码,为每个消息加入一个唯一Id。同时,为了方便看结果,加入更多的打印,并且靠sleep减慢发送速度。(只是为了演示!)
1 public class RandomSpout extends BaseRichSpout {
2
3 private SpoutOutputCollector collector;
4
5 private Random rand;
6
7 private AtomicInteger counter;
8
9 private static String[] sentences = new String[] {"edi:I'm happy", "marry:I'm angry", "john:I'm sad", "ted:I'm excited", "laden:I'm dangerous"};
10
11 @Override
12
13 public void open(Map conf, TopologyContext context,
14
15 SpoutOutputCollector collector) {
16
17 this.collector = collector;
18
19 this.rand = new Random();
20
21 counter = new AtomicInteger();
22
23 }
24
25 @Override
26
27 public void nextTuple() {
28
29 Utils.sleep(5000);
30
31 String toSay = sentences[rand.nextInt(sentences.length)];
32
33 int msgId = this.counter.getAndIncrement();
34
35 toSay = "["+ msgId + "]"+ toSay;
36
37 PrintHelper.print("Send " + toSay );
38
39 this.collector.emit(new Values(toSay), msgId);
40
41 }
42
43 @Override
44
45 public void declareOutputFields(OutputFieldsDeclarer declarer) {
46
47 declarer.declare(new Fields("sentence"));
48
49 }
50
51 @Override
52
53 public void ack(Object msgId) {
54
55 PrintHelper.print("ack " + msgId);
56
57 }
58
59 @Override
60
61 public void fail(Object msgId) {
62
63 PrintHelper.print("fail " + msgId);
64
65 }
66
67 }
PrintHelper类:
1 public class PrintHelper {
2
3 private static SimpleDateFormat sf = new SimpleDateFormat("mm:ss:SSS");
4
5 public static void print(String out){
6
7 System.err.println(sf.format(new Date()) + " [" + Thread.currentThread().getName() + "] " + out);
8
9 }
10
11 }
同时把PrintBolt里面打印也换成PrintHelper.print打印
看下打印结果:
1 53:33:891 [Thread-26-spout] Send [0]ted:I'm excited
2 53:33:896 [Thread-20-print] Bolt[0] String recieved: [0]ted:I'm excited!
3 53:38:895 [Thread-26-spout] Send [1]edi:I'm happy
4 53:38:895 [Thread-22-print] Bolt[1] String recieved: [1]edi:I'm happy!
5 53:38:895 [Thread-26-spout] ack 0
6 53:43:896 [Thread-26-spout] Send [2]edi:I'm happy
7 53:43:896 [Thread-22-print] Bolt[1] String recieved: [2]edi:I'm happy!
8 53:43:896 [Thread-26-spout] ack 1
9 53:48:896 [Thread-26-spout] Send [3]edi:I'm happy
10 53:48:896 [Thread-26-spout] ack 2
11 53:48:896 [Thread-24-print] Bolt[2] String recieved: [3]edi:I'm happy!
12 53:53:896 [Thread-26-spout] Send [4]ted:I'm excited
13 53:53:896 [Thread-26-spout] ack 3
14 53:53:896 [Thread-20-print] Bolt[0] String recieved: [4]ted:I'm excited!
15 53:58:897 [Thread-26-spout] Send [5]laden:I'm dangerous
16 53:58:897 [Thread-26-spout] ack 4
17 53:58:898 [Thread-24-print] Bolt[2] String recieved: [5]laden:I'm dangerous!
很明显看到:
- 并发度为1的Spout确实是一个线程,并发度为3的Bolt确实是三个线程;
- 消息完全处理完成后,确实回调了ack(Object msgId)方法,而且msgId的值,即为我们emit的msgId;
- 虽然我们在topology中定义了两个bolt,但实际上ack对于每个tuple只调用了一次;
- spout发出tuple后,Bolt很快就完成了,但是ack直到5秒后spout醒来才打印。
Tuple树
源Tuple+新产生的Tuple构成了一个Tuple树。当整棵树被处理完成,才算一个Tuple被完全处理,其中任何一个节点的Tuple处理失败或超时,则整棵树失败。
超时的值,可以通过定义topology时,conf.setMessageTimeoutSecs方法指定。
Anchor
在我们例子中ExclaimRichBolt用
附注:
1 public class ExclaimBasicBolt extends BaseBasicBolt {
2
3 @Override
4 public void execute(Tuple tuple, BasicOutputCollector collector) {
5 //String sentence = tuple.getString(0);
6 String sentence = (String) tuple.getValue(0);
7 String out = sentence + "!";
8 collector.emit(new Values(out));
9 }
10
11 @Override
12 public void declareOutputFields(OutputFieldsDeclarer declarer) {
13 declarer.declare(new Fields("excl_sentence"));
14 }
15
16 }
ExclaimBasicBolt 原实现方式
collector.emit(inputTule, new Values(newTupleValue));
发射一个新的tuple。
第一个参数是传入Bolt的tuple,第二个参数是新产生的tuple的value,这种emit的方式,在Storm中称为: "anchor"。
Tuple的ack
前面我们一直提到acker,看到这里,你应该能猜出acker其实就是Storm里面track一个Tuple保证其一定被处理的功能。acker也是一个component。
我们来看看acker的工作流程:
1. Spout在初始化时会产生一个tasksId;
2. Spout中创建新的Tuple,其id是一个64位的随机数;
3. Spout将新建的Tuple发送出去(给出了messageId来开启Tuple的追踪), 同时会发送一个消息到某个acker,要求acker进行追踪。该消息包含两部分:
- Spout的taskId:用户acker在整个tuple树被完全处理后找到原始的Spout进行回调ack或fail
- 一个64位的ack val值: 标志该tuple是否被完全处理。初始值为0。
4. 一个Bolt在处理完Tuple后,如果发射了一个新的anchor tuple,Storm会维护anchor tuple的列表;
5. 该Bolt调用OutputCollector.ack()时,Storm会做如下操作:
- 将anchor tuple列表中每个已经ack过的和新创建的Tuple的id做异或(XOR)。假定Spout发出的TupleID是tuple-id-0,该Bolt新生成的TupleID为tuple-id-1,那么,tuple-id-0XORtuple-id-0XOR tuple-id-1
- Storm根据该原始TupleID进行一致性hash算法,找到最开始Spout发送的那个acker,然后把上面异或后得出的ack val值发送给acker
6. acker收到新的ack val值后,与保存的原始的Tuple的id进行异或,如果为0,表示该Tuple已被完全处理,则根据其taskId找到原始的Spout,回调其ack()方法。
fail的机制类似,在发现fail后直接回调Spout的fail方法。
——Storm就是通过这个acker的机制来保证数据不丢失。
回头再看看上面的打印结果,b、c两条得到很好的解释了。那d是为什么呢?
在最开始时,我曾经提到过,Storm的设计模型中,Spout是源源不断的产生数据的,所以其nextTuple()方法在任何时候不应该被打断。ack,fail 和 nextTuple是在同一个线程中完成的。
所以,虽然acker发现一个Tuple已经完全处理完成,但是由于Spout线程在Sleep,无法回调。
异步线程来做,例如用异步线程读取数据到队列,再由Spout去取队列中数据。异步线程可以随意控制速度等。
另外,
Storm是否会自动重发失败的Tuple?
这里答案已经很明显了。fail方法如何实现取决于你自己。只有在fail中做了重发机制,才有重发。
注:Trident除外。这是Storm提供的特殊的事务性API,它确实会帮你自动重发的。
Unanchor
如果我们在Bolt中用OutputCollector.emit()发射一个新的Tuple时,并没有指定输入的Tuple(IBasicBolt的实现类用的是BasicOutPutCollector,其emit方法实际上还是调用OutputCollector.emit(),只不过内部会帮你填上输入的Tuple),那么行为称之为“Unanchor”。
是否用Unanchor方式取决于你的实现。
调整可靠性
在某些特定的情况下,你或许想调整Storm的可靠性。例如,你并不关心数据是否丢失,或者你想看看后面是否有某个Bolt拖慢了Spout的速度?
那么,有三种方法可以实现:
- 在build topology时,设置acker数目为0,即conf.setNumAckers(0);
- 在Spout中,不指定messageId,使得Storm无法追踪;
- 在Bolt中,使用Unanchor方式发射新的Tuple。