Chinaunix首页 | 论坛 | 博客
  • 博客访问: 4388464
  • 博文数量: 291
  • 博客积分: 0
  • 博客等级: 民兵
  • 技术积分: 7924
  • 用 户 组: 普通用户
  • 注册时间: 2016-07-06 14:28
  • 认证徽章:
个人简介

阿里巴巴是个快乐的青年

文章分类

全部博文(291)

文章存档

2018年(21)

2017年(4)

2016年(5)

2015年(17)

2014年(68)

2013年(174)

2012年(2)

分类: 大数据

2014-08-11 00:09:32

一、简要介绍
        对于大数据的处理,在离线方面,Hadoop很完美地解决了,对于实时数据的处理则无能为力。
        Storm是一个开源的分布式实时计算系统,可以简单、可靠地处理大量的数据流。
        Storm有很多使用场景,如实时分析、在线机器学习、持续计算、分布式RPC、ETL等。
        Storm支持水平扩展,具有高容错性,保证每个消息都会得到处理,而且处理速度很快(在一个小集群中,每个节点每秒可以处理数以百万计的消息)。
        Storm的部署和运维都很便捷,而且更为重要的是可以使用任意编程语言来开发应用。

二、系统特性
1、编程模型简单
        Storm为大数据的实时计算提供了一些简单优美的原语,这大大降低了开发并行实时处理任务的复杂性,帮助你快速、高效的开发应用。
2、可扩展
        在Storm集群中真正运行Topology的主要有三个实体:工作进程、线程和任务。
        Storm集群中的每台机器上都可以运行多个工作进程,每个工作进程又可创建多个线程,每个线程可以执行多个任务,任务是真正进行数据处理的实体,Spout、Bolt被开发出来就是作为一个或者多个任务的方式执行的。
3、高可靠性
        Storm可以保证Spout发出的每条消息都能被“完全处理”,Spout发出的消息后续可能会触发产生成千上万条消息,可以形象地理解为一棵消息树,其中Spout发出的消息为树根,Storm会跟踪这个消息树的处理情况,只有这棵树中的所有消息被处理了才认为“完全处理”了,否则Spout会重发消息。
4、高容错性
        如果在消息处理过程中出现了一些异常,Storm会重新部署这个出问题的处理单元。Storm保证一个处理单元永远运行(除非你显示的结束这个处理单元)。
5、支持多种编程语言
        除了用Java实现Spout和Bolt,你还可以使用任何你熟悉的编程语言来完成这项工作,这一切得益于Storm所谓的多语言协议。
        多语言协议是Storm内部的一种特殊协议,允许Spout或者Bolt使用标准输入和标准输出来进行消息传递,传递的消息为单行文本或者JSON编码的多行。
6、支持本地模式
        Storm有一种“本地模式”,也就是在进程中模拟一个Storm集群的所有功能,以本地模式运行Topology跟在集群上运行Topology类似,这对于我们开发和测试来说非常有用。
7、高效
        用ZeroMQ作为底层消息队列,保证消息能快速被处理。
8、运维和部署简单
        Storm计算任务是以“拓扑”为基本单位的,每个拓扑完成特定的业务指标,拓扑中的每个逻辑业务节点实现特定的逻辑,并通过消息相互协作。
        实际部署时,仅需要根据情况配置逻辑节点的并发数,而不需要关心部署到集群中的哪台机器,Storm支持动态增加节点但不会自动负载均衡。
9、图形化监控
        图形界面,可以监控各个拓扑的信息,包括每个处理单元的状态和处理消息的数量。

三、类似系统
        这里主要将Yahoo!S4和IBM InfoSphere Streams与Storm进行对比。
1、Yahoo!S4
        (1)系统模型:通过把任务分解为尽可能小的处理单元,各处理单元之间形成流水线,从而提高并发度和吞吐量,处理单元的粒度由开发者自行把握,这点与Storm相似,不同的是S4内置的处理单元PE还可以处理count、join和aggregate等常见任务需求。
        (2)开发:S4使用Java开发,模块高度可定制化。
        (3)通信协议:S4节点间通信采用POJOs(Plain Old Java Objects)模式,底层通信协议采用UDP。
        (4)高可用:S4集群中所有节点对等,无单点问题。
        (5)运维与部署:S4不支持动态部署和动态增删节点,这两点Storm都支持。
2、IBM InfoSphere Streams
        (1)系统模型:通过把任务分解为尽可能小的处理单元,各处理单元之间形成流水线,从而提高并发度和吞吐量,各处理单元只能完成预定的操作(如:join、merge等),强制限制每个处理单元的粒度。
        (2)开发:定制的开发环境Eclipse-SPL(Steam Programming Language)。
        (3)高可用:与S4和Storm一样支持故障转移。
        (4)运维与部署:部署半自动化,支持动态增加节点,且根据负载自动均衡,这点Storm不支持。

四、应用模式
1、海量数据处理
        Storm由于其高效、可靠、可扩展、易部署、高容错及实时性高等特点,对于海量数据的实时处理非常合适。
        比如:统计网站的页面浏览量(如:Page View即PV)指标,Storm可以做到实时接收到点击数据流,并实时计算出结果。
2、中间状态存储与查询
        对于Storm实时计算出的中间结果,可以实时写入MySQL或者HBase,以便于用户查询。
3、数据增量更新
        对于PV指标的计算,如果直接实时修改HBase,则HBase压力会很大。
        可以将数据在Storm内计算短暂的一段时间后,增量地合并到HBase,以牺牲一定查询结果的实时性换取HBase压力的减轻。
4、结合概率算法实时计算复杂指标
        Storm实时处理数据,相对离线处理而言需要大量内存存储中间状态,为了减少内存的消耗,可以根据业务特点(如:Unique Visitor即UV)采用概率算法近似计算结果。

        更多好文章请参考这里,还有这里,关于实例可以看这里


阅读(3737) | 评论(1) | 转发(1) |
给主人留下些什么吧!~~

scq2099yt2014-08-11 00:09:45

文明上网,理性发言...

评论热议
请登录后评论。

登录 注册