storm记录–4– Storm适用场景

Storm适用场景

1. 流聚合：

   流聚合就是把两个或多个数据流聚合成一个数据流 — 基于一些共同的tuple字段。

   builder.setBolt(5,new MyJoiner(),parallelism)

    .fieldsGrouping(1,new Fields(“joinfield1″,”joinfield2”))

    .fieldsGrouping(2,new Fields(“joinfield1″,”joinfield2”))

    .fieldsGrouping(3,new Fields(“joinfield1″,”joinfield2”))

2. 批处理：

   有时候为了性能或者一些别的原因，你可能想把一组tuple一起处理，而不是一个一个单独处理。

3. BasicBolt：

   a、读一个输入tuple；

   b、根据这个输入tuple发射一个或者多个tuple；

   c、在execute的方法的最后ack那个输入tuple

   遵循这类模式的bolt一般是函数或者是过滤器，这种模式太常见，storm为这类模式单独封装了一个接口：IbasicBolt。

4. 内存内缓存 + Fields grouping组合

   在bolt的内存里面缓存一些东西非常常见。缓存在和fields grouping结合起来之后就更有用了。比如，你有一个bolt把短链接变成长链接（bit.ly,t.co之类的）。你可以把短链接到长链接的对应关系利用LRU算分缓存在内存里面以避免重复计算。比如组件一发射短链接，组件二把短链接转化成长链接并缓存在内存里面。看一下下面两段代码有什么不一样：

   builder.setBolt(2,new ExpandUrl(),parallelism).shuffleGrouping(1);

   builder.setBolt(2,new ExpandUrl(),parallelism).fieldsGrouping(1,new Fields(“url”));

5. 计算top N

   比如你有一个bolt发射这样的tuple:”value”,”count”并且你想一个bolt基于这些信息算出top N的tuple。最简单的办法是有一个bolt可以做一个全局的grouping的动作并且在内存里面保持着top N的值。

   这个方式对于大数据量的流显然是没有扩展性的，因为所有的数据会被发到同一台机器。一个更好的方法是在多台机器上面并行的计算这个流每一部分的top N，然后再由一个bolt合并这些机器上面所算出来的top N以算出最后的top N，代码大概是这样的：

   builder.setBolt(2,new RankObjects(),parallellism).fieldsGrouping(1,new Fields(“value”));

   builder.setBolt(3,new MergeObjects()).globalGrouping(2);

   这个模式之所以可以成功是因为第一个bolt的fieldsgrouping使得这种并行算法在语义上是正确的。

6. 用TimeCacheMap来高效地保存一个最近被更新的对象的缓存：

   有时候你想在内存里面保存一些最近活跃的对象，以及那些不再活跃的对象。TimeCacheMap是一个非常高效地数据结构，它提供了一些callback函数使得我们在对象不再活跃的时候我们可以做一些事情。

7. 分布式RPC：CoordinatedBolt和KeyedFairBolt:

   用storm做分布式RPC应用的时候有两种比较常见的模式：它们被封装在CoordinatedBolt和KeyedFairBolt里面。

   CoordinatedBolt包装你的bolt，并且确定什么时候你的bolt已经接收到所有的tuple，它主要使用Direct Stream来做这个。

   KeyedFairBolt同样包装你的bolt并且保证你的topology同时处理多个DRPC调用，而不是串行的一次只执行一个。