【Storm实战】1.1 图解Storm的抽象概念

0. 前言

Storm 是一个分布式实时计算系统，用于处理大规模流式数据。它基于流处理模型，可以在一个分布式集群上运行，实时地处理和分析数据。Storm 提供了高可靠性、高吞吐量的数据流处理能力，可用于构建实时大数据分析应用和实时流处理任务。

在学习和使用 Storm 之前，我们需要对一些抽象概念有基本的了解。这些抽象概念包括流、拓扑、Spout、Bolt、任务和工作者。流是数据处理的基本单位，可以理解为一个无限的有序的元组序列。拓扑是一个由 Spout 和 Bolt 组成的数据流处理网络，定义了数据流从源头到最终目的地的路径。Spout 是数据源头，负责从外部源读取数据并封装成流。Bolt 是数据处理单元，负责接收输入流并进行处理。任务是在执行拓扑时运行在工作进程中的实际执行实例，每个 Spout 和 Bolt 组件可以配置为多个任务来实现并行处理。工作者是 Storm 运行在集群节点上的进程，可以执行一个或多个任务。

为了更好地理解这些抽象概念，可以将其类比为水力发电或水力传动系统。在这个类比中，流就像是河流，拓扑就像是水力发电系统，Spout 就像是水轮机，Bolt 就像是齿轮和发电机，任务就像是工人，工作者就像是工作站。

1. Storm 中的抽象概念

在学习Storm 之前，我们需要对Storm中的抽象概念有个基本的认识。方便我们后面写DEMO示例。

图片来源官方文档https://storm.apache.org/releases/2.6.0/Concepts.html

1.1 流 (Stream)

流是Storm中数据处理的基本概念。一个流可以理解为一个无限的、有序的元组（tuple）序列。在Storm中，元组是数据的基本单位，它是一个可以包含多种数据类型的键值对列表。流是可以在拓扑中的各个组件之间传输的。

1.2 拓扑 (Topology)

拓扑是Storm中最顶层的抽象，它定义了数据流从源头到最终目的地的整个路径。在Storm中，拓扑是由一系列的spouts和bolts组成的网络。Spouts用于生成数据流，而bolts则用于处理流经它们的数据。一旦提交到集群，拓扑将会不断运行，直到被显式地终止。

1.3 Spout

Spout是Storm拓扑中的数据源头，负责从外部源（如数据库、消息队列、文件系统等）读取数据并将其封装成流以供拓扑内的bolts处理。Spout可以发射多个流，并且能够对外部源的数据进行可靠或不可靠的读取。

1.4 Bolt

Bolt是拓扑中的数据处理单元，它负责接收来自spout或其他bolt的输入流，并进行处理，这些处理可以包括过滤、聚合、连接、写数据库等操作。处理完成后，bolt可以发射新的流到拓扑中的其他bolt进一步处理，或者将结果输出到外部系统。

1.5 任务 (Task)

在Storm中，任务是指在执行拓扑时，运行在工作进程中的实际执行实例。每个spout或bolt组件可以配置为多个任务来运行。任务数量决定了可用于处理数据的并行度。每个任务都会在集群某个节点的工作进程中的一个线程上执行。

1.6 工作者 (Worker)

工作者是Storm中运行在集群节点上的进程。工作者进程可以执行一个或多个任务。一个工作者进程只属于一个拓扑，但可以运行拓扑中多个任务（即，可以运行多个spout和bolt的实例）。通过分配更多的工作者进程，可以提高拓扑的并发度和处理能力。

以上概念构成了Storm的核心架构，理解它们可以帮助把握Storm的数据流处理和分布式计算模型。

2. 形象的理解Storm的抽象概念

可能很多同学看完上面的概念和图，也感觉似懂非懂的。好吧，那么我们通俗的利用水力发电或者水力传动系统这种常见的模型，来理解Storm 抽象概念的设计思想。

我搞了一个图来类比解释Storm的概念，我相信大家应该会有一定的收获。

通过这个水力发电系统的比喻，我相信大家一定可以直观地理解Storm中的流、拓扑、Spout、Bolt、任务和工作者是如何协同工作处理数据的。

2.1 流 (Stream)

想象一条河流，河流不断地流动，携带着水分子（这里的水分子可以类比为数据的元组）。流在Storm中就像这条河流，是连续不断地数据（元组）序列。

2.2 拓扑 (Topology)

把拓扑想象成是一个水力发电系统。这个系统由水轮机（Spouts）和一系列的齿轮与发电机（Bolts）组成。水轮机从河流（Stream）中捕捉水流（数据流），然后通过一系列的齿轮（处理步骤）传输至发电机，最终产生电力（处理后的数据）。

2.3 Spout

Spout可以视为水力发电系统中的水轮机，它不断从河流（外部数据源）中截取水流，并开始推动整个系统的运作。在Storm中，Spout负责不断地捕获外部数据，并将其封装成流，供后续的Bolts处理。

2.4 Bolt

Bolt就像是沿着水轮机的齿轮和发动机，它们接收从水轮机传来的动力（元组），执行各种操作（处理数据），比如研磨谷物或发电。在Storm中，Bolts可以执行多种数据转换操作，如过滤、聚合、写入数据库等。

2.5 任务 (Task)

任务可以想象成是工人在水轮机和发电机之间的每个环节上工作。如果这个系统需要处理更多的水流（数据），我们就需要更多的工人（任务）。在Storm中，增加任务的数量可以提高系统处理数据的能力。

2.6 工作者 (Worker)

工作者可以看作是整个水力发电系统的工作站或工厂。在这些工作站里，每个工人（任务）负责操作一套齿轮与发动机（执行Spout和Bolt的逻辑）。工厂越多，系统的处理能力就越强。在Storm中，我们可以增加工作者（进程）的数量来扩展拓扑的处理能力。

场景1

基于水轮发电机的思想。假设水流过发电机Bolt 后，此处的水流还具有动力，那么我们是不是可以再串行接一个齿轮和管道，用来供热（处理数据）。这时候我们上面的处理结构就会变成。如下

场景2

基于水轮发电机的思想。假设水流过发电机Bolt 后，此处的水流还具有动力，那么我们是不是可以再串行接一个齿轮和水磨，用来研磨谷物（处理数据），研磨完我们依然可以将水流分子（tuple）作为热源传递给供热管道（Bolt）进行供热处理。这时候我们上面的处理结构就会变成。如下

3.参考文档

storm 官方文档 https://storm.apache.org/releases/current/index.html