Storm笔记整理（二）：Storm本地开发案例—总和计算与单词统计

[TOC]

概述

在Strom的API中提供了LocalCluster对象，这样在不用搭建Storm环境或者Storm集群的情况下也能够开发Storm的程序，非常方便。

基于Maven构建工程项目，其所需要的依赖如下：

    org.apache.storm    storm-core    1.0.2

Storm本地开发案例1：总和计算

需求分析

需求如下：

数据源不断产生递增数字，对产生的数字累加求和

分析如下：

Strom的Topology包含Spout和Bolt两种节点类型，在这个案例中，可以使用Spout来对数据源进行处理（模拟产生数据），然后将其发送到计算和的Bolt中，所以实际上这里只需要使用一个Spout节点和一个Bolt节点就可以了。

程序开发

在理解了Storm的设计思想后，将其与MapReduce的设计思想进行对比，再看下面的程序代码其实是非常好理解的。

OrderSpout

/**     * 数据源     */static class OrderSpout extends BaseRichSpout {    private Map conf;   // 当前组件配置信息    private TopologyContext context;    // 当前组件上下文对象    private SpoutOutputCollector collector; // 发送tuple的组件    @Override    public void open(Map conf, TopologyContext context, SpoutOutputCollector collector) {        this.conf = conf;        this.context = context;        this.collector = collector;    }    /**         * 接收数据的核心方法         */    @Override    public void nextTuple() {        long num = 0;        while (true) {            num++;            StormUtil.sleep(1000);            System.out.println("当前时间" + StormUtil.df_yyyyMMddHHmmss.format(new Date()) + "产生的订单金额：" + num);            this.collector.emit(new Values(num));        }    }    /**         * 是对发送出去的数据的描述schema         */    @Override    public void declareOutputFields(OutputFieldsDeclarer declarer) {        declarer.declare(new Fields("order_cost"));    }}

SumBolt

private Long sumOrderCost = 0L;/**     * 计算和的Bolt节点     */static class SumBolt extends BaseRichBolt {    private Map conf;   // 当前组件配置信息    private TopologyContext context;    // 当前组件上下文对象    private OutputCollector collector; // 发送tuple的组件    @Override    public void prepare(Map stormConf, TopologyContext context, OutputCollector collector) {        this.conf = conf;        this.context = context;        this.collector = collector;    }    private Long sumOrderCost = 0L;    /**         * 处理数据的核心方法         */    @Override    public void execute(Tuple input) {        Long orderCost = input.getLongByField("order_cost");        sumOrderCost += orderCost;        System.out.println("商城网站到目前" + StormUtil.df_yyyyMMddHHmmss.format(new Date()) + "的商品总交易额" + sumOrderCost);        StormUtil.sleep(1000);    }    /**         * 如果当前bolt为最后一个处理单元，该方法可以不用管         */    @Override    public void declareOutputFields(OutputFieldsDeclarer declarer) {    }}

StormLocalSumTopology

/** * 1°、实现数字累加求和的案例：数据源不断产生递增数字，对产生的数字累加求和。 * 
 * Storm组件：Spout、Bolt、数据是Tuple，使用main中的Topology将spout和bolt进行关联 * MapReduce的组件：Mapper和Reducer、数据是Writable，通过一个main中的job将二者关联 * 
 * 适配器模式（Adapter）：BaseRichSpout，其对继承接口中一些没必要的方法进行了重写，但其重写的代码没有实现任何功能。 *                        我们称这为适配器模式 */public class StormLocalSumTopology {    /**     * 构建拓扑，相当于在MapReduce中构建Job     */    public static void main(String[] args) {        TopologyBuilder builder = new TopologyBuilder();        /**         * 设置spout和bolt的dag（有向无环图）         */        builder.setSpout("id_order_spout", new OrderSpout());        builder.setBolt("id_sum_bolt", new SumBolt())                .shuffleGrouping("id_order_spout"); // 通过不同的数据流转方式，来指定数据的上游组件        // 使用builder构建topology        StormTopology topology = builder.createTopology();        // 启动topology        LocalCluster localCluster = new LocalCluster(); // 本地开发模式，创建的对象为LocalCluster        String topologyName = StormLocalSumTopology.class.getSimpleName();  // 拓扑的名称        Config config = new Config();   // Config()对象继承自HashMap，但本身封装了一些基本的配置        localCluster.submitTopology(topologyName, config, topology);    }}

需要说明的是，Spout和Bolt的类都作为StormLocalSumTopology的静态成员变量，这样做是为了开发的方便，当然实际上也可以将其单独作为一个文件。

测试

执行主函数，其输出如下：

当前时间20180412213836产生的订单金额：1商城网站到目前20180412213836的商品总交易额1当前时间20180412213837产生的订单金额：2商城网站到目前20180412213837的商品总交易额3当前时间20180412213838产生的订单金额：3商城网站到目前20180412213838的商品总交易额6......

Storm本地开发案例2：单词统计

需求分析

需求如下：

监控一个目录下的文件，当发现有新文件的时候，把文件读取过来，解析文件中的内容，统计单词出现的总次数

分析如下：

可以设置三个节点：Spout：用于持续读取目录下需要被监听（通过后缀名标识）的文件，并且将每一行输出到下一个Bolt中        （类似于MapReduce中的FileInputFormat）Bolt1：读取行，并解析其中的单词，将每个单词输出到下一个Bolt中        （类似于MapReduce中的Mapper）Bolt2：读取单词，进行统计计算        （类似于MapReduce中的Reducer）

程序开发

FileSpout

/**     * Spout，获取数据源，这里是持续读取某一目录下的文件，并将每一行输出到下一个Bolt中     */static class FileSpout extends BaseRichSpout {    private Map conf;   // 当前组件配置信息    private TopologyContext context;    // 当前组件上下文对象    private SpoutOutputCollector collector; // 发送tuple的组件    @Override    public void open(Map conf, TopologyContext context, SpoutOutputCollector collector) {        this.conf = conf;        this.context = context;        this.collector = collector;    }    @Override    public void nextTuple() {        File directory = new File("D:/data/storm");        // 第二个参数extensions的意思就是，只采集某些后缀名的文件        Collection files = FileUtils.listFiles(directory, new String[]{"txt"}, true);        for (File file : files) {            try {                List lines = FileUtils.readLines(file, "utf-8");                for(String line : lines) {                    this.collector.emit(new Values(line));                }                // 当前文件被消费之后，需要重命名，同时为了防止相同文件的加入，重命名后的文件加了一个随机的UUID，或者加入时间戳也可以的                File destFile = new File(file.getAbsolutePath() + "_" + UUID.randomUUID().toString() + ".completed");                FileUtils.moveFile(file, destFile);            } catch (IOException e) {                e.printStackTrace();            }        }    }    @Override    public void declareOutputFields(OutputFieldsDeclarer declarer) {        declarer.declare(new Fields("line"));    }}

SplitBolt

/**     * Bolt节点，将接收到的每一行数据切割为一个个单词并发送到下一个节点     */static class SplitBolt extends BaseRichBolt {    private Map conf;   // 当前组件配置信息    private TopologyContext context;    // 当前组件上下文对象    private OutputCollector collector; // 发送tuple的组件    @Override    public void prepare(Map stormConf, TopologyContext context, OutputCollector collector) {        this.conf = conf;        this.context = context;        this.collector = collector;    }    @Override    public void execute(Tuple input) {        String line = input.getStringByField("line");        String[] words = line.split(" ");        for (String word : words) {            this.collector.emit(new Values(word,1));        }    }    @Override    public void declareOutputFields(OutputFieldsDeclarer declarer) {        declarer.declare(new Fields("word", "count"));    }}

WCBolt

/**     * Bolt节点，执行单词统计计算     */static class WCBolt extends BaseRichBolt {    private Map conf;   // 当前组件配置信息    private TopologyContext context;    // 当前组件上下文对象    private OutputCollector collector; // 发送tuple的组件    @Override    public void prepare(Map stormConf, TopologyContext context, OutputCollector collector) {        this.conf = conf;        this.context = context;        this.collector = collector;    }    private Map map = new HashMap<>();    @Override    public void execute(Tuple input) {        String word = input.getStringByField("word");        Integer count = input.getIntegerByField("count");        /*if (map.containsKey(word)) {                map.put(word, map.get(word) + 1);            } else {                map.put(word, 1);            }*/        map.put(word, map.getOrDefault(word, 0) + 1);        System.out.println("====================================");        map.forEach((k ,v)->{            System.out.println(k + ":::" +v);        });    }    @Override    public void declareOutputFields(OutputFieldsDeclarer declarer) {    }}

StormLocalWordCountTopology

/** * 2°、单词计数：监控一个目录下的文件，当发现有新文件的时候，        把文件读取过来，解析文件中的内容，统计单词出现的总次数        E:\data\storm */public class StormLocalWordCountTopology {    /**     * 构建拓扑，组装Spout和Bolt节点，相当于在MapReduce中构建Job     */    public static void main(String[] args) {        TopologyBuilder builder = new TopologyBuilder();        // dag        builder.setSpout("id_file_spout", new FileSpout());        builder.setBolt("id_split_bolt", new SplitBolt()).shuffleGrouping("id_file_spout");        builder.setBolt("id_wc_bolt", new WCBolt()).shuffleGrouping("id_split_bolt");        StormTopology stormTopology = builder.createTopology();        LocalCluster cluster = new LocalCluster();        String topologyName = StormLocalWordCountTopology.class.getSimpleName();        Config config = new Config();        cluster.submitTopology(topologyName, config, stormTopology);    }}

测试

执行程序后，往目标目录中添加.txt文件，程序输出如下：

====================================hello:::1====================================hello:::1you:::1====================================hello:::2you:::1====================================hello:::2he:::1you:::1====================================hello:::3he:::1you:::1====================================me:::1hello:::3he:::1you:::1

Storm名词术语解释

在编写了Storm的程序后，再来看看其相关的术语就容易理解很多了。

• Topology

Topology用于封装一个实时计算应用程序的逻辑，类似于Hadoop的MapReduce Job

• Stream消息流

Stream 消息流，是一个没有边界的tuple序列，这些tuples会被以一种分布式的方式并行地创建和处理

• Spouts消息源

Spouts 消息源，是消息生产者，他会从一个外部源读取数据并向topology里面面发出消息：tuple

• Bolts消息处理者

Bolts 消息处理者，所有的消息处理逻辑被封装在bolts里面，处理输入的数据流并产生新的输出数据流,可执行过滤，聚合，查询数据库等操作

• Task

Task 每一个Spout和Bolt会被当作很多task在整个集群里面执行,每一个task对应到一个线程.

• Stream groupings 消息分发策略

Stream groupings 消息分发策略,定义一个Topology的其中一步是定义每个tuple接受什么样的流作为输入,stream grouping就是用来定义一个stream应该如何分配给Bolts们.