<h2>背景</h2>    <p>前期收到的问题：</p>    <p>1、在Topology中我们可以指定spout、bolt的并行度，在提交Topology时Storm如何将spout、bolt自动发布到每个服务器并且控制服务的CPU、磁盘等资源的？</p>    <p>2、Storm处理消息时会根据Topology生成一棵消息树，Storm如何跟踪每个消息、如何保证消息不丢失以及如何实现重发消息机制？</p>    <p>上篇：storm是如何保证at least once语义的</p>    <p>回答了第2个问题。</p>    <p>本篇来建立一个基本的背景，来大概看下构成storm流式计算能力的一些基础框架，并部分回答第一个问题。</p>    <p>worker、executor、task的关系</p>    <p><img src="https://simg.open-open.com/show/658dfd84461f14bcb7286db47ca55c8e.png"></p>    <p>worker是一个进程.</p>    <p>executor是一个线程，是运行tasks的物理容器.</p>    <p>task是对spout/bolt/acker等任务的逻辑抽象.</p>    <p>supervisor会定时从zookeeper获取拓补信息topologies、任务分配信息assignments及各类心跳信息，以此为依据进行任务分配。</p>    <p>在supervisor同步时，会根据新的任务分配情况来启动新的worker或者关闭旧的worker并进行负载均衡。</p>    <p>worker通过定期的更新connections信息，来获知其应该通讯的其它worker。</p>    <p>worker启动时，会根据其分配到的任务启动一个或多个executor线程。这些线程仅会处理唯一的topology。</p>    <p>如果有新的tolopogy被提交到集群，nimbus会重新分配任务，这个后面会说到。</p>    <p>executor线程负责处理多个spouts或者多个bolts的逻辑，这些spouts或者bolts，也称为tasks。</p>    <p>具体有多少个worker，多少个executor，每个executor负责多少个task，是由配置和指定的parallelism-hint共同决定的，但这个值并不一定等于实际运行中的数目。</p>    <p>如果计算出的总的executors超过了nimbus的限制，此topology将不会得到执行。</p>    <p>并行度的作用：</p>    <p><img src="https://simg.open-open.com/show/8baa0cbe9b739d2420a48a9156764799.jpg"></p>    <p><img src="https://simg.open-open.com/show/2069a3979389299d5930fef543e58b14.jpg"></p>    <p><img src="https://simg.open-open.com/show/de6e488cbed50ea951a3b94f2923f29a.jpg"></p>    <p>上述代码会在nimbus进行任务分配时调用：</p>    <p><img src="https://simg.open-open.com/show/6a2b5820cfc0bb57e3d90fe93a7b96f0.jpg"></p>    <h2>线程模型及消息系统</h2>    <p>基本关系如下所示：</p>    <p><img src="https://simg.open-open.com/show/90b05a12e161fc4c8ebd4d5f1f699933.png"></p>    <p>worker启动时，除了启动多个executor线程，还会启动多个工作线程来负责消息传递。</p>    <p>worker会订阅到transfer-queue来消费消息，同时也会发布消息到transfer-queue，比如需要进行远程发布时（某个bolt在另一个进程或者节点上）。</p>    <p>executor会发布消息到executor-send-queue比如emit tuple，同时会从executor-receive-queue消费消息，比如执行ack或者fail。</p>    <p>batch-transfer-worker-handler线程订阅到executor-send-queue消费消息，并将消息发布到transfer-queue供worker消费。</p>    <p>transfer-thread会订阅到transfer-queue消费消息，并负责将消息通过socket发送到远程节点的端口上。</p>    <p>worker通过receive-thread线程来收取远程消息，并将消息以本地方式发布到消息中指定的executor对应的executor-receive-queue。executor按第3点来消费消息。</p>    <p>以上所有的消息队列都是Disruptor Queue，非常高效的线程间通讯框架。</p>    <p>所谓本地发布，是指在worker进程内及executor线程间进行消息发布。</p>    <p>所谓远程发布，是指在worker进程间、不同的机器间进行消息发布。</p>    <h2>任务调度及负载均衡</h2>    <p>任务调度的主要角色</p>    <p><img src="https://simg.open-open.com/show/b83ddbfb6d428a890d01fb47a8c0188f.png"></p>    <p>nimbus将可以工作的worker称为worker-slot.</p>    <p>nimbus是整个集群的控管核心，总体负责了topology的提交、运行状态监控、负载均衡及任务重新分配，等等工作。</p>    <p>nimbus分配的任务包含了topology代码所在的路径（在nimbus本地）、tasks、executors及workers信息。</p>    <p>worker由node + port唯一确定。</p>    <p>supervisor负责实际的同步worker的操作。一个supervisor称为一个node。所谓同步worker，是指响应nimbus的任务调度和分配，进行worker的建立、调度与销毁。</p>    <p>其通过将topology的代码从nimbus下载到本地以进行任务调度。</p>    <p>任务分配信息中包含task到worker的映射信息task -> node + host，所以worker节点可据此信息判断跟哪些远程机器通讯。</p>    <h2>集群的状态机</h2>    <p><img src="https://simg.open-open.com/show/cd27b33556437b465a8900ab02283447.png"></p>    <h3>集群状态管理</h3>    <p>集群的状态是通过一个storm-cluster-state的对象来描述的。</p>    <p>其提供了许多功能接口，比如：</p>    <p>zookeeper相关的基本操作，如create-node、set-data、remove-node、get-children等.</p>    <p>心跳接口，如supervisor-heartbeat!、worker-heatbeat!等.</p>    <p>心跳信息，如executors-beats等.</p>    <p>启动、更新、停止storm，如update-storm!等.</p>    <p>如下图所示：</p>    <p><img src="https://simg.open-open.com/show/8b7d3085fb257cf6bce92070159d45c9.png"></p>    <h3>任务调度的依据</h3>    <p>zookeeper是整个集群状态同步、协调的核心组件。</p>    <p>supervisor、worker、executor等组件会定期向zookeeper写心跳信息。</p>    <p>当topology出现错误、或者有新的topology提交到集群时，topologies信息会同步到zookeeper。</p>    <p>nimbus会定期监视zookeeper上的任务分配信息assignments，并将重新分配的计划同步到zookeeper。</p>    <p>所以，nimbus会根据心跳、topologies信息及已分配的任务信息为依据，来重新分配任务，如下图所示：</p>    <p><img src="https://simg.open-open.com/show/b87f3d9d731c0149d8144288a150f44d.png"></p>    <h3>任务调度的时机</h3>    <p>如上文的状态机图所示，rebalance和do-reblalance（比如来自web调用）会触发mk-assignments即任务（重新）分配。</p>    <p>同时，nimbus进程启动后，会周期性地进行mk-assignments调用，以进行负载均衡和任务分配。</p>    <p>客户端通过storm jar ... topology 方式提交topology，会通过thrift接口调用nimbus的提交功能，此时会启动storm，并触发mk-assignments调用。</p>    <p>topology提交过程</p>    <p>一个topology的提交过程：</p>    <p>非本地模式下，客户端通过thrift调用nimbus接口，来上传代码到nimbus并触发提交操作.</p>    <p>nimbus进行任务分配，并将信息同步到zookeeper.</p>    <p>supervisor定期获取任务分配信息，如果topology代码缺失，会从nimbus下载代码，并根据任务分配信息，同步worker.</p>    <p>worker根据分配的tasks信息，启动多个executor线程，同时实例化spout、bolt、acker等组件，此时，等待所有connections（worker和其它机器通讯的网络连接）启动完毕，此storm-cluster即进入工作状态。</p>    <p>除非显示调???kill topology，否则spout、bolt等组件会一直运行。</p>    <p>主要过程如下图所示：</p>    <p><img src="https://simg.open-open.com/show/1f9c1f152129327571dfb311f76bcb06.png"></p>    <h2>结语</h2>    <p>以上，基本阐述了storm的基础框架，但未涉及trident机制，也基本回答了问题1。</p>    <p> </p>    <p>来自：http://www.uml.org.cn/bigdata/201608024.asp</p>    <p> </p>