一、Storm概述
网址：http://storm.apache.org/
Apache Storm是一个免费的开源分布式实时计算系统。Storm可以轻松可靠地处理无限数据流，实现Hadoop对批处理所做的实时处理。Storm非常简单，可以与任何编程语言一起使用，并且使用起来很有趣！
Storm有许多用例：实时分析，在线机器学习，连续计算，分布式RPC，ETL等。风暴很快：一个基准测试表示每个节点每秒处理超过一百万个元组。它具有可扩展性，容错性，可确保您的数据得到处理，并且易
于设置和操作。
Storm集成了您已经使用的排队和数据库技术。Storm拓扑消耗数据流并以任意复杂的方式处理这些流，然后在计算的每个阶段之间重新划分流。
离线计算是什么？
批量获取数据、批量的传输数据、批量的存储数据、周期性计算数据、数据可视化
flume批量获取数据、sqoop批量传输、hdfs/hive/hbase批量存储、mr/hive计算数据、BI
实时计算是什么？
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实时数据存储、Storm/JStorm实时计算、实时展示(dataV/quickBI)
二、Storm与Hadoop
hadoop storm
角色： JobTracker Nimbus
TaskTracker Supervisor
Child Worker
应用名称： Job Topology
编程接口： Mapper/Reducer Spout/Bolt
三、storm编程模型
tuple:元组
是消息传输的基本单元。
Spout:水龙头
storm的核心抽象。拓扑的流的来源。Spout通常从外部数据源读取数据。转换为拓扑内部的源数据。
主要方法：nextTuple() -》 发出一个新的元祖到拓扑。
ack()
fail()
Bolt:转接头
Bolt是对流的处理节点。Bolt作用：过滤、业务、连接运算。
Topology:拓扑
是一个实时的应用程序。
永远运行除非被杀死。
Spout到Bolt是一个连接流...
wordcount
spark->wordcount
storm流式计算
hadoop与storm兼容性
spark-core
spark-sql离线计算
spark-streaming流式计算
一个团队开发
没有兼容性问题
spark团队：我要做一栈式开发平台！
但凡涉及到大数据计算 我都能搞定！
spark替代了mapreduce
spark没有底层存储
依赖hdfs
hdfs/mr............
完善整个生态圈系统！
mapreduce思想、编程 、sqoop->mr hive->mr hbasemr
dfs/mapreduce/bigtable
java/scala...
四、Storm集群安装部署
1）准备工作
zk01 zk02 zk03
storm01 storm02 storm03
2)下载安装包
http://storm.apache.org/downloads.html
3)上传apache-storm-1.1.0.tar.gz到/root下
4)解压
cd /root
tar -zxvf apache-storm-1.1.0.tar.gz -C /root/hd/
5)修改配置文件
cd /root/hd
mv apache-storm-1.1.0/ storm
cd storm/conf/
$ vi storm.yaml
# 设置Zookeeper的主机名称
storm.zookeeper.servers:
- "hd09-1"
- "hd09-2"
- "hd09-3"
# 设置主节点的主机名称
nimbus.seeds: ["hd09-1"]
# 设置Storm的数据存储路径
storm.local.dir: "/root/hd/storm/data"
# 设置Worker的端口号
supervisor.slots.ports:
- 6700
- 6701
- 6702
- 6703
6)创建文件夹/root/hd/storm/data
mkdir /root/hd/storm/data
7)配置环境变量
vi /etc/profile
在最下面加入
export STORM_HOME=/root/hd/storm
export PATH=$PATH:$STORM_HOME/bin
生效环境变量
source /etc/profile
8)分发安装包到其他机器
cd /root/hd/
scp -r storm/ hd09-2:$PWD
scp -r storm/ hd09-3:$PWD
9)启动Zookeeper
zkServer.sh start（三台机器都执行）
10)启动nimbus
storm nimbus & （三台机器都执行）
11) 启动supervisor
storm supervisor & （三台机器都执行）
12)启动ui界面
storm ui
浏览器输入http://192.168.146.132:8080可以访问
五、Storm命令行操作
1)查看命令帮助
storm help
2)查看版本
storm version
3)运行storm程序
storm jar [/路径/.jar][全类名][拓扑名称]
4）查看当前正在运行拓扑及其状态
storm list
5)终止拓扑程序
storm kill [拓扑名称]
6）激活拓扑程序
storm activate [拓扑名称]
7）禁止拓扑程序
storm deactivate [拓扑名称]
六、分组策略
1）Fields Grouping
按照字段分组。相同字段发送到一个task中。
2）shuffle Grouping
随机分组。轮询。平均分配。随机分发tuple，保证每个bolt中的tuple数量相同。
3）Non Grouping
不分组
采用这种策略每个bolt中接收的单词不同。
4）All Grouping
广播发送
5）Global Grouping
全局分组
分配给task id值最小的
根据线程id判断，只分配给线程id最小的
