作者：dennis ([email protected])
转载请注明出处。
最近一直在读twitter开源的这个分布式流计算框架——storm的源码，还是有必要记录下一些比较有意思的地方。我按照storm的主要概念进行组织，并且只分析我关注的东西，因此称之为浅析。
一、介绍
storm的开发语言主要是java和clojure，其中java定义骨架，而clojure编写核心逻辑。源码统计结果：
180 text files.
177 unique files.
7 files ignored.
http://cloc.sourceforge.net v 1.55 t=1.0 s (171.0 files/s, 46869.0 lines/s)
-------------------------------------------------------------------------------
language files blank comment code
java 125 5010 2414 25661
lisp 33 732 283 4871
python 7 742 433 4675
css 1 12 45 1837
bourne shell 1 0 0 6
javascript 2 1 15 6
sum: 171 6519 3190 37160
java代码25000多行，而clojure(lisp)只有4871行，说语言不重要再次证明是扯淡。
二、topology和nimbus
topology是storm的核心理念，将spout和bolt组织成一个topology，运行在storm集群里，完成实时分析和计算的任务。这里我主要想介绍下topology部署到storm集群的大概过程。提交一个topology任务到storm集群是通过stormsubmitter.submittopology方法提交：
stormsubmitter.submittopology(name, conf, builder.createtopology());
我们将topology打成jar包后，利用bin/storm这个python脚本，执行如下命令：
bin/storm jar xxxx.jar com.taobao.mytopology args
将jar包提交给storm集群。storm脚本会启动jvm执行topology的main方法，执行submittopology的过程。而submittopology会将jar文件上传到nimbus，上传是通过socket传输。在storm这个python脚本的jar方法里可以看到：
def jar(jarfile, klass, *args):
exec_storm_class(
klass,
jvmtype="-client",
extrajars=[jarfile, conf_dir, storm_dir + "/bin"],
args=args,
prefix="export storm_jar=" + jarfile + ";")
将jar文件的地址设置为环境变量storm_jar，这个环境变量在执行submittopology的时候用到：
//stormsubmitter.java
private static void submitjar(map conf) {
if(submittedjar==null) {
log.info("jar not uploaded to master yet. submitting jar
");
string localjar = system.getenv("storm_jar");
submittedjar = submitjar(conf, localjar);
} else {
log.info("jar already uploaded to master. not submitting jar.");
}
}
通过环境变量找到jar包的地址，然后上传。利用环境变量传参是个小技巧。
其次，nimbus在接收到jar文件后，存放到数据目录的inbox目录，nimbus数据目录的结构：
-nimbus
-inbox
-stormjar-57f1d694-2865-4b3b-8a7c-99104fc0aea3.jar
-stormjar-76b4e316-b430-4215-9e26-4f33ba4ee520.jar
-stormdist
-storm-id
-stormjar.jar
-stormconf.ser
-stormcode.ser
其中inbox用于存放提交的jar文件，每个jar文件都重命名为stormjar加上一个32位的uuid。而stormdist存放的是启动topology后生成的文件，每个topology都分配一个唯一的id，id的规则是“name-计数-时间戳”。启动后的topology的jar文件名命名为storm.jar ,而它的配置经过java序列化后存放在stormconf.ser文件，而stormcode.ser是将topology本身序列化后存放的文件。这些文件在部署的时候，supervisor会从这个目录下载这些文件，然后在supervisor本地执行这些代码。
进入重点，topology任务的分配过程(zookeeper路径说明忽略root):
1.在zookeeper上创建/taskheartbeats/{storm id} 路径，用于任务的心跳检测。storm对zookeeper的一个重要应用就是利用zk的临时节点做存活检测。task将定时刷新节点的时间戳，然后nimbus会检测这个时间戳是否超过timeout设置。
2.从topology中获取bolts,spouts设置的并行数目以及全局配置的最大并行数，然后产生task id列表，如[1 2 3 4]
3.在zookeeper上创建/tasks/{strom id}/{task id}路径，并存储task信息
4.开始分配任务（内部称为assignment)， 具体步骤：
(1)从zk上获得已有的assignment(新的toplogy当然没有了）
(2)查找所有可用的slot，所谓slot就是可用的worker，在所有supervisor上配置的多个worker的端口。
(3)将任务均匀地分配给可用的worker，这里有两种情况：
(a)task数目比worker多，例如task是[1 2 3 4],可用的slot只有[host1:port1 host2:port1]，那么最终是这样分配
{1: [host1:port1] 2 : [host2:port1]
3 : [host1:port1] 4 : [host2:port1]}
，可以看到任务平均地分配在两个worker上。
(b)如果task数目比worker少，例如task是[1 2]，而worker有[host1:port1 host1:port2 host2:port1 host2:port2]，那么首先会将woker排序，将不同host间隔排列，保证task不会全部分配到同一个worker上，也就是将worker排列成
[host1:port1 host2:port1 host1:port2 host2:port2]
，然后分配任务为
{1: host1:port1 , 2 : host2:port2}
(4)记录启动时间
(5)判断现有的assignment是否跟重新分配的assignment相同，如果相同，不需要变更，否则更新assignment到zookeeper的/assignments/{storm id}上。
5.启动topology，所谓启动，只是将zookeeper上/storms/{storm id}对应的数据里的active设置为true。
6.nimbus会检查task的心跳，如果发现task心跳超过超时时间，那么会重新跳到第4步做re-assignment。
文章转自庄周梦蝶 ，原文发布时间2011-12-01