前言：
本文会从如何写一个Storm的topology开始，来对Storm实现的细节进行阐述。避免干巴巴的讲理论。
1. 建立Maven项目
我们用Maven来管理项目，方便lib依赖的引用和版本控制。
建立最基本的pom.xml如下：
1. <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
2. xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
3. <modelVersion>4.0.0</modelVersion>
4. <groupId>com.edi.storm</groupId>
5. <artifactId>storm-samples</artifactId>
6. <version>0.0.1-SNAPSHOT</version>
7. <packaging>jar</packaging>
8.
9.
10. <properties>
11. <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
12. </properties>
13.
14.
15. <repositories>
16. <repository>
17. <id>clojars.org</id>
18. <url>http://clojars.org/repo</url>
19. </repository>
20. </repositories>
21.
22.
23. <build>
24. <finalName>storm-samples</finalName>
25. <plugins>
26. <plugin>
27. <groupId>org.apache.maven.plugins</groupId>
28. <artifactId>maven-compiler-plugin</artifactId>
29. <version>3.1</version>
30. <configuration>
31. <source>1.7</source>
32. <target>1.7</target>
33. <encoding>${project.build.sourceEncoding}</encoding>
34. </configuration>
35. </plugin>
36.
37.
38. <plugin>
39. <artifactId>maven-assembly-plugin</artifactId>
40. <configuration>
41. <descriptorRefs>
42. <descriptorRef>jar-with-dependencies</descriptorRef>
43. </descriptorRefs>
44. </configuration>
45. <executions>
46. <execution>
47. <id>make-assembly</id>
48. <phase>package</phase>
49. <goals>
50. <goal>single</goal>
51. </goals>
52. </execution>
53. </executions>
54.
55.
56. </plugin>
57. </plugins>
58. </build>
59.
60.
61. <dependencies>
62. <dependency>
63. <groupId>storm</groupId>
64. <artifactId>storm</artifactId>
65. <version>0.9.0-rc2</version>
66. <scope>provided</scope>
67. </dependency>
68. </dependencies>
69. </project>
这里我额外添加了两个build 插件：
maven-compiler-plugin ： 为了方便指定编译时jdk。Storm的依赖包里面某些是jdk1.5的.
和
maven-assembly-plugin： 为了把所有依赖包最后打到一个jar包去，方便测试和部署。后面会提到如果不想打到一个jar该怎么做。
2. 建立Spout
前文提到过，Storm中的spout负责发射数据。
我们来实现这样一个spout：
它会随机发射一系列的句子，句子的格式是 谁：说的话
代码如下：
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. new Fields("sentence"));
25. }
26.
27. }
这里要先理解Tuple的概念。
Storm中，基本元数据是靠Tuple才承载的。或者说，Tuple是数据的一个大抽象。它要求实现类必须能序列化。
该Spout代码里面最核心的部分有两个：
a. 用collector.emit()方法发射tuple。我们不用自己实现tuple，我们只需要定义tuple的value，Storm会帮我们生成tuple。Values对象接受变长参数。Tuple中以List存放Values，List的Index按照new Values(obj1, obj2,...)的参数的index,例如我们emit(new Values("v1", "v2")), 那么Tuple的属性即为：{ [ "v1" ], [ "V2" ] }
b. declarer.declare方法用来给我们发射的value在整个Stream中定义一个别名。可以理解为key。该值必须在整个topology定义中唯一。
3. 建立Bolt
既然有了源，那么我们就来建立节点处理源流出来的数据。怎么处理呢？为了演示，我们来做些无聊的事情：末尾添加"!"，然后打印。
两个功能，两个Bolt。
先看添加"!"的Bolt
1. public class ExclaimBasicBolt extends BaseBasicBolt {
2.
3. @Override
4. public void execute(Tuple tuple, BasicOutputCollector collector) {
5. //String sentence = tuple.getString(0);
6. 0);
7. "!";
8. new Values(out));
9. }
10.
11. @Override
12. public void declareOutputFields(OutputFieldsDeclarer declarer) {
13. new Fields("excl_sentence"));
14. }
15.
16. }
在RandomSpout中，我们发射的Tuple具有这样的属性 { [ "edi:I'm Happy" ] }, 所以tuple的value list中第0个值，肯定是个String。我们用tuple.getvalue(0)取到。
Storm为tuple封装了一些方法方便我们取一些基本类型，例如String，我们可以直接用getString(int N) 。
取到以后，我们在末尾添加"!"后，仍然发射一个Tuple，定义其唯一的value的field 名字为"excl_sentence"
打印Bolt
1. public class PrintBolt extends BaseBasicBolt {
2.
3. @Override
4. public void execute(Tuple tuple, BasicOutputCollector collector) {
5. 0);
6. "String recieved: " + rec);
7. }
8.
9. @Override
10. public void declareOutputFields(OutputFieldsDeclarer declarer) {
11. // do nothing
12. }
13.
14. }
仍然是取第一个，因为我们并没有定义过第二个value
4. 建立Topology
现在我们建立拓扑结构的主要组件都有了，可以创建topology了。
1. public class ExclaimBasicTopo {
2.
3. public static void main(String[] args) throws Exception {
4. new TopologyBuilder();
5.
6. "spout", new RandomSpout());
7. "exclaim", new ExclaimBasicBolt()).shuffleGrouping("spout");
8. "print", new PrintBolt()).shuffleGrouping("exclaim");
9.
10. new Config();
11. false);
12.
13. if (args != null && args.length > 0) {
14. 3);
15.
16. 0], conf, builder.createTopology());
17. else {
18.
19. new LocalCluster();
20. "test", conf, builder.createTopology());
21. 100000);
22. "test");
23. cluster.shutdown();
24. }
25. }
26. }
很简单，对吧。
其中，
1. builder.setSpout("spout", new RandomSpout());
定义一个spout，id为"spout"
1. builder.setBolt("exclaim", new ExclaimBasicBolt()).shuffleGrouping("spout");
定义了一个id为"exclaim"的bolt，并且按照随机分组获得"spout"发射的tuple
1. builder.setBolt("print", new PrintBolt()).shuffleGrouping("exclaim");
定义了一个id为"print"的bolt，并且按照随机分组获得"exclaim”发射出来的tuple
1. .shuffleGrouping
是指明Storm按照何种策略将tuple分配到后续的bolt去。
可以看到，如果我们运行时不带参数，是把topology提交到了LocalCluster的，即所有的task都在一个本地JVM去执行。可以用LocalCluster来调试。如果后面带一个参数，即为该topology的名字，那么就把该topology提交到集群上去了。
把项目用M2E插件导入Eclipse直接运行试试
1. String recieved: marry:I'm angry!
2. String recieved: edi:I'm happy!
3. String recieved: john:I'm sad!
4. String recieved: edi:I'm happy!
5. String recieved: ted:I'm excited!
6. String recieved: laden:I'm dangerous!
7. String recieved: edi:I'm happy!
8. String recieved: edi:I'm happy!
这里我们并没有指定并行，那么其实是每个spout、bolt仅有一个线程对应去执行。
我们修改下代码，指定并行数
1. builder.setBolt("exclaim", new ExclaimBasicBolt(), 2).shuffleGrouping("spout");
2. builder.setBolt("print", new PrintBolt(),3).shuffleGrouping("exclaim");
由于我们并没有多指定task数目，所以默认，会有两个exectuor去执行两个exclaimBasicBolt的task，3个executor去执行3个PrintBolt的task。
为了方便体现确实是并行，我们修改PrintBolt代码如下：
1. public class PrintBolt extends BaseBasicBolt {
2.
3. private int indexId;
4.
5. @Override
6. public void prepare(Map stormConf, TopologyContext context) {
7. this.indexId = context.getThisTaskIndex();
8. }
9.
10. @Override
11. public void execute(Tuple tuple, BasicOutputCollector collector) {
12. 0);
13. "Bolt[%d] String recieved: %s",this.indexId, rec));
14. }
15.
16. @Override
17. public void declareOutputFields(OutputFieldsDeclarer declarer) {
18. // do nothing
19. }
20.
21. }
这里从上下文中拿到该Bolt的TaskIndex，我们指定了3的并发度，所以理论上有3个task，那么该值应该为[1,2,3]。
运行下看看：
1. Bolt[0] String recieved: marry:I'm angry!
2. Bolt[2] String recieved: john:I'm sad!
3. Bolt[2] String recieved: ted:I'm excited!
4. Bolt[2] String recieved: john:I'm sad!
5. Bolt[2] String recieved: john:I'm sad!
证实确实是并发了。
本地测试通过了，我们用 mvn clean install 命令编译，然后把target目录下生成的 storm-samples-jar-with-dependencies.jar 拷到nimbus机器上，执行
1. ./storm jar storm-samples-jar-with-dependencies.jar com.edi.storm.topos.ExclaimBasicTopo test
在StormUI里面，点进 test
看到spout 已然已经emit了 11347280个tuple了…… 而id为exclaim的bolt也已经接受了2906920个tuple了。print没有输出，所以emit为0。
截止到这里，一个简单的Storm的topology已经完成了。
但是，这里依然有些问题：
1. 什么是acker？
2. Bolt为什么有两个继承类和接口？
3. Topology的提交方式到底有几种？
4. 除了随机分组，还有哪些分组策略？
5. Storm是如何保证tuple不被丢失的？
6. 我看到spout发送数据比bolt处理的速度快太多了，我能不能在spout里面sleep？
7. 并发数要如何指定呢？
