1、绪论知识绪论知识StormStorm架构架构一个简单的一个简单的StormStorm例子例子StormStorm在交通数据处理中的应用在交通数据处理中的应用目录1PPT课件GBTBPBEBZB数据量的增长：在2006 年，个人用户才刚刚迈进TB时代，全球一共新产生了约180EB的数据；在2011 年，这个数字达到了1.8ZB。有市场研究机构预测（2009年）：到2020 年，整个世界的数据总量将会增长44 倍，达到35.2ZB（1ZB=10 亿TB）！1GB=230字节1TB=240字节1PB=250字节1EB=260字节1ZB=270字节2PPT课件 主要的处理模式可以分为流处理（strea
2、m processing）和批处理（batch processing）两种。批处理是先存储后处理（store-process），而流处理则是直接处理（straight-through process）。（有时也分为在线、离线、近线三种）batch processingstream processing3PPT课件 过去的十年是数据处理变革的十年，MapReduce、Hadoop以及一些相关的技术使得我们能处理的数据量比以前要大得多得多。但是这些数据处理技术都不是实时的系统 它们设计的目的也不是为了实时计算。然而大规模的实时数据处理已经越来越成为一种业务需求了，而缺少一个“实时版本的hadoop
3、”已经成为数据处理整个生态系统的一个巨大缺失。Storm填补了这个缺失。Storm出现之前，需要自己手动维护一个由消息队列（Queues）和消息处理者（Workers）所组成的实时处理网络，消息处理者从消息队列取出一个消息进行处理，更新数据库，发送消息给其它队列进行进一步处理，但是这种计算方式的局限性太大：复杂、不健壮且扩展性差。4PPT课件Yahoo的S4S4是一个通用的、分布式的、可扩展的、分区容错的、可插拔的流式系统，Yahoo！开发S4系统，主要是为了解决：搜索广告的展现、处理用户的点击反馈。在流式处理领域里，Storm的直接对手是S4。不过，S4冷淡的社区、半成品的代码，在实际商用方
4、面输给Storm不止一条街。5PPT课件Facebook 的PumaFacebook使用puma和Hbase相结合来处理实时数据,使批处理计算平台具备一定实时计算能力。不过这不算是一个开源的产品。只是内部使用。相关论文：Apache Hadoop Goes Realtime at Facebook。6PPT课件 Storm：“Hadoop of realtime”、Distributed and fault-tolerant realtime computation Storm定义了一批实时计算的原语。如同hadoop大大简化了并行批量数据处理，storm的这些原语大大简化了并行实时数据处理。
5、storm的一些关键特性如下：分布式系统分布式系统/运维简单运维简单/高度容错高度容错/无数据丢失无数据丢失/支持多种编程语言支持多种编程语言7PPT课件 最新版本：0.9.1 在GitHub上超过4000个项目负责人，全球共有29名代码贡献者。（12年）很多公司在使用Storm，这些公司中不乏淘宝，百度，Twitter，Groupon，雅虎等重量级公司。8PPT课件绪论知识绪论知识StormStorm架构架构一个简单的一个简单的StormStorm例子例子StormStorm在交通数据处理中的应用在交通数据处理中的应用目录9PPT课件 Storm集群主要由一个主节点（master node）
6、和一群工作节点(worker nodes)组成，通过 Zookeeper集群进行协调。主节点通常运行一个后台程序 Nimbus，用于响应分布在集群中的节点，分配任务和监测故障。工作节点同样会运行一个后台程序 Supervisor，用于收听工作指派并基于要求运行工作进程。每个工作节点都是topology中一个子集的实现。10PPT课件master11PPT课件 在Storm中，应用程序实现实时处理的逻辑被封装进Storm中的topology中。一个topology是由一组Spout组件（数据源）和Bolt组件（数据操作）通过Stream Groupings进行连接的图。12PPT课件uSpout
7、：在一个topology中产生源数据流的组件，从来源处读取数据并放入topology。uBolt：在一个topology中接受数据然后执行处理的组件。13PPT课件 流(Stream)Stream是Storm中的一个核心概念，Storm将输入的数据看成流，它是以tuple为单位组成的一条有向无界的数据流。tupletupletupletupletupletuple14PPT课件 Stream Groupings：消息的分组方法消息的分组方法。Storm提供了六种分组方法：提供了六种分组方法：1.随机分组（Shuffle grouping）：随机分发tuple到Bolt的任务，保证每个任务获得相
8、等数量的tuple。tupletuplebolt3bolt2bolt1ABA15PPT课件2.字段分组（Fields grouping）：根据指定字段分割数据流，并分组。例如，根据“user-id”字段，相同“user-id”的元组总是分发到同一个任务，不同“user-id”的元组可能分发到不同的任务。tupletuplebolt3bolt2bolt1ABAB16PPT课件3.全部分组（All grouping）：tuple被复制到bolt的所有任务。这种类型需要谨慎使用。tupletuplebolt3bolt2bolt1ABAB17PPT课件4.全局分组（Global grouping）：全
9、部流都分配到bolt的同一个任务。明确地说，是分配给ID最小的那个task。5.无分组（None grouping）6.直接分组（Direct grouping）18PPT课件19PPT课件uNimbus：负责资源分配和任务调度.uSupervisor：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.uTopology：storm中运行的一个实时应用程序.uTask：worker中每一个spout/bolt的线程称为一个task.uSpout：在一个topology中产生源数据流的组件.uBolt：在一个topology中接受数据然后执行处理的组件.uTuple：一次
10、消息传递的基本单元.uStream grouping：消息的分组方法20PPT课件绪论知识绪论知识StormStorm架构架构一个简单的一个简单的StormStorm例子例子StormStorm在交通数据处理中的应用在交通数据处理中的应用目录21PPT课件 在这个例子中，我们会实现一个简单的topology来统计一个文件中的每个单词出现的次数。我们可以把这个例子认为是storm中的“hello world”。为了实现这个topology，我们将使用一个spout来负责读取单词，第一个bolt来标准化单词，第二个bolt来为单词计数，如下图所示：22PPT课件该实例的项目结构如下，其中Topol
11、ogyMain.java是整个项目的入口。23PPT课件public class WordReader implements IRichSpout public void open(Map conf,TopologyContext context,SpoutOutputCollector collector)try this.context=context;this.fileReader=new FileReader(conf.get(wordsFile).toString();catch(FileNotFoundException e)throw new RuntimeException(E
12、rror reading file+conf.get(wordFile)+);this.collector=collector;24PPT课件public void nextTuple()if(completed)try Thread.sleep(1);catch(InterruptedException e)/Do nothingreturn;String str;BufferedReader reader=new BufferedReader(fileReader);trywhile(str=reader.readLine()!=null)this.collector.emit(new V
13、alues(str);catch(Exception e)throw new RuntimeException(Error reading tuple,e);finallycompleted=true;25PPT课件 WordNormalizer负责获取行并且标准化行。它会将行分隔成单词，将单词转化成小写并且trim单词，发送给下一个Bolt.WordCounter负责为单词计数。26PPT课件public static void main(String args)throws InterruptedException/Topology definitionTopologyBuilder bu
14、ilder=new TopologyBuilder();builder.setSpout(word-reader,new WordReader();builder.setBolt(word-normalizer,new WordNormalizer().shuffleGrouping(word-reader);builder.setBolt(word-counter,new WordCounter(),2).fieldsGrouping(word-normalizer,new Fields(word);/ConfigurationConfig conf=new Config();conf.pu
15、t(wordsFile,args0);conf.setDebug(false);/Topology runconf.put(Config.TOPOLOGY_MAX_SPOUT_PENDING,1);Creating Our First Topology|17LocalCluster cluster=new LocalCluster();cluster.submitTopology(Getting-Started-Toplogie,conf,builder.createTopology();Thread.sleep(1000);cluster.shutdown();27PPT课件绪论知识绪论知识StormStorm架构架构一个简单的一个简单的StormStorm例子例子StormStorm在交通数据处理中的应用在交通数据处理中的应用目录28PPT课件大数据处理技术在智能交通中的应用-周为钢选自第八届中国智能交通年会优秀论文集基于storm的实时GPS数据客流特征分析系统来自新浪博客29PPT课件
