Storm中并发程度的理解

Storm中涉及到了很多组件，例如nimbus，supervisor等等，在参考了这两篇文章之后，对这个有了更好的理解。

Understanding the parallelism of a Storm topology

https://github.com/nathanmarz/storm/wiki/Understanding-the-parallelism-of-a-Storm-topology

http://www.cnblogs.com/yufengof/p/storm-worker-executor-task.html

 

我们先理一下概念：

1. 一般对于物理节点来讲，我们部署的节点的类型包括nimbus（master），supervisor（slave），通常是一个nimbus，多个supervisor。nimbus是负责安排任务给supervisor去完成的，即supervisor是实际上干活的。
2. 而对于一个supervisor来讲，它可以包含多个worker，worker有可以包含多个executor，executor又可以执行多个task。

这样一说就有点乱，因为这个worker、executor、task和topology，spout和bolt之间又是怎么样的对应关系呢？？

首先看下面一张图

               

supervisor和node是一一对应的关系，而worker就是process（进程），executor就是thread（线程），task就是在spout或bolt中定义的函数。

这样就好理解了，这些从上到下都是一对多的关系。

那supervisor，worker和executor跟topology或component（包括spout和bolt）之间的对应关系呢？

1. 一个topology可以在多个supervisor上执行，一个supervisor也可以执行多个topology
2. 但是，一个worker只执行某个topology，一个topology由多个worker来执行
3. 一个executor可以执行一个component中的多个task，但是一个component可以由多个executor来执行，这就是我们在编程中指定的并发程度。后面会看到。
4. 一个executor默认对应一个task
5. 一个worker中包含多个executor，但是这些executor不一定都是用来处理同一个component

 

我们看storm wiki中的一张图片来解释

                    

 

对于这个topology，

1. 它包含3个component，1个spout，2个bolt
2. 它包含2个worker process，10个executor thread，12个task
3. 同颜色属于同一个component

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()
    );

代码如上，worker process，executor thread，task这些的数目都可以进行设置。

所以接下来我们应该会关心一个topology默认对应的worker数是多少？一个executor默认对应的task数是多少？

 

更重要的是，我们在编码过程中已经指定了worker process数和exector thread数，但是这两个数可以在运行时被修改，以更好地适应负载的变化！这样的方式叫做rebalance！

它能够修改worker的数目，也就是说我们是否可以通过监控，来实现自动水平拓展呢？？例如结合IaaS，加一个supervisor节点加入到集群中？同时启动对应的worker进程，当负载低的时候，收回对应的supervisor节点，将虚拟机返回到对应的VM池里呢？？

注意一点是:Task的数目在启动后就不能变了,但是可以改executor,即执行的线程数,所以executor数一定是小于等于task数,才能保证每一个executor至少有一个task可以运行.

所以对于task数太少,后期也无法提高太多!

1. 第一种方式是使用storm的UI
2. 第二种方式是使用CLI tool来修改

# 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

具体请参考wiki的文章