Storm入门之第7章使用非JVM语言开发-低调大师

Storm入门之第7章使用非JVM语言开发

2017-05-01 519

本文翻译自《Getting Started With Storm》译者：吴京润编辑：郭蕾方腾飞

有时候你可能想使用不是基于JVM的语言开发一个Storm工程，你可能更喜欢使用别的语言或者想使用用某种语言编写的库。

Storm是用Java实现的，你看到的所有这本书中的spout和bolt都是用java编写的。那么有可能使用像Python、Ruby、或者JavaScript这样的语言编写spout和bolt吗？答案是当然

可以！可以使用多语言协议达到这一目的。

多语言协议是Storm实现的一种特殊的协议，它使用标准输入输出作为spout和bolt进程间的通讯通道。消息以JSON格式或纯文本格式在通道中传递。

我们看一个用非JVM语言开发spout和bolt的简单例子。在这个例子中有一个spout产生从1到10,000的数字，一个bolt过滤素数，二者都用PHP实现。

NOTE: 在这个例子中，我们使用一个很笨的办法验证素数。有更好当然也更复杂的方法，它们已经超出了这个例子的范围。

有一个专门为Storm实现的PHP DSL(译者注：领域特定语言)，我们将会在例子中展示我们的实现。首先定义拓扑。

...
TopologyBuilder builder = new TopologyBuilder();
builder.setSpout("numbers-generator", new NumberGeneratorSpout(1, 10000));
builder.setBolt("prime-numbers-filter", new
PrimeNumbersFilterBolt()).shuffleGrouping("numbers-generator");
StormTopology topology = builder.createTopology();
...

NOTE：有一种使用非JVM语言定义拓扑的方式。既然Storm拓扑是Thrift架构，而且Nimbus是一个Thrift守护进程，你就可以使用任何你想用的语言创建并提交拓扑。但是这已经超出了本书的范畴了。

这里没什么新鲜了。我们看一下NumbersGeneratorSpout的实现。

public class NumberGeneratorSpout extends ShellSpout implements IRichSpout {
 public NumberGeneratorSpout(Integer from, Integer to) {
 super("php", "-f", "NumberGeneratorSpout.php", from.toString(), to.toString());
 }
 public void declareOutputFields(OutputFieldsDeclarer declarer) {
 declarer.declare(new Fields("number"));
 }
 public Map<String, Object> getComponentConfiguration() {
 return null;
 }
}

你可能已经注意到了，这个spout继承了ShellSpout。这是个由Storm提供的特殊的类，用来帮助你运行并控制用其它语言编写的spout。在这种情况下它告诉Storm如何执行你的PHP脚本。

NumberGeneratorSpout的PHP脚本向标准输出分发元组，并从标准输入读取确认或失败信号。

在开始实现NumberGeneratorSpout.php脚本之前，多观察一下多语言协议是如何工作的。

spout按照传递给构造器的参数从from到to顺序生成数字。

接下来看看PrimeNumbersFilterBolt。这个类实现了之前提到的壳。它告诉Storm如何执行你的PHP脚本。Storm为这一目的提供了一个特殊的叫做ShellBolt的类，你惟一要做的事就是指出如何运行脚本以及声明要分发的属性。

public class PrimeNumbersFilterBolt extends ShellBolt implements IRichBolt {
 public PrimeNumbersFilterBolt() {
 super("php", "-f", "PrimeNumbersFilterBolt.php");
 }
 public void declareOutputFields(OutputFieldsDeclarer declarer) {
 declarer.declare(new Fields("number"));
 }
}

在这个构造器中只是告诉Storm如何运行PHP脚本。它与下列命令等价。

 php -f PrimeNumbersFilterBolt.php

PrimeNumbersFilterBolt.php脚本从标准输入读取元组，处理它们，然后向标准输出分发、确认或失败。在开始这个脚本之前，我们先多了解一些多语言协议的工作方式。

发起一次握手
开始循环
读/写元组

NOTE：有一种特殊的方式可以使用Storm的内建日志机制在你的脚本中记录日志，所以你不需要自己实现日志系统。

下面我们来看一看上述每一步的细节，以及如何用PHP实现它。

发起握手

为了控制整个流程（开始以及结束它），Storm需要知道它执行的脚本进程号（PID）。根据多语言协议，你的进程开始时发生的第一件事就是Storm要向标准输入（译者注：根据上下文理解，本章提到的标准输入输出都是从非JVM语言的角度理解的，这里提到的标准输入也就是PHP的标准输入）发送一段JSON数据，它包含Storm配置、拓扑上下文和一个进程号目录。它看起来就像下面的样子：

{
 "conf": {
 "topology.message.timeout.secs": 3,
 // etc
 },
 "context": {
 "task->component": {
 "1": "example-spout",
 "2": "__acker",
 "3": "example-bolt"
 },
 "taskid": 3
 },
 "pidDir": "..."
}

脚本进程必须在pidDir指定的目录下以自己的进程号为名字创建一个文件，并以JSON格式把进程号写到标准输出。

{"pid": 1234}

举个例子，如果你收到/tmp/example\n而你的脚本进程号是123，你应该创建一个名为/tmp/example/123的空文件并向标准输出打印文本行 {“pid”: 123}\n（译者注：此处原文只有一个n，译者猜测应是排版错误）和end\n。这样Storm就能持续追踪进程号并在它关闭时杀死脚本进程。下面是PHP实现：

$config = json_decode(read_msg(), true);
$heartbeatdir = $config['pidDir'];
$pid = getmypid();
fclose(fopen("$heartbeatdir/$pid", "w"));
storm_send(["pid"=>$pid]);
flush();

你已经实现了一个叫做read_msg的函数，用来处理从标准输入读取的消息。按照多语言协议的声明，消息可以是单行或多行JSON文本。一条消息以end\n结束。

function read_msg() {
 $msg = "";
 while(true) {
 $l = fgets(STDIN);
 $line = substr($l,0,-1);
 if($line=="end") {
 break;
 }
 $msg = "$msg$line\n";
 }
 return substr($msg, 0, -1);
}
function storm_send($json) {
 write_line(json_encode($json));
 write_line("end");
}
function write_line($line) {
 echo("$line\n");
}

NOTE：flush()方法非常重要；有可能字符缓冲只有在积累到一定程度时才会清空。这意味着你的脚本可能会为了等待一个来自Storm的输入而永远挂起，而Storm却在等待来自你的脚本的输出。因此当你的脚本有内容输出时立即清空缓冲是很重要的。

开始循环以及读/写元组

这是整个工作中最重要的一步。这一步的实现取决于你开发的spout和bolt。

如果是spout，你应当开始分发元组。如果是bolt，就循环读取元组，处理它们，分发它发，确认成功或失败。

下面我们就看看用来分发数字的spout。

$from = intval($argv[1]);
$to = intval($argv[2]);
while(true) {
 $msg = read_msg();
 $cmd = json_decode($msg, true);
 if ($cmd['command']=='next') {
 if ($from<$to) {
 storm_emit(array("$from"));
 $task_ids = read_msg();
 $from++;
 } else {
 sleep(1);
 }
 }
 storm_sync();
}

从命令行获取参数from和to，并开始迭代。每次从Storm得到一条next消息，这意味着你已准备好分发下一个元组。

一旦你发送了所有的数字，而且没有更多元组可发了，就休眠一段时间。

为了确保脚本已准备好发送下一个元组，Storm会在发送下一条之前等待sync\n文本行。调用read_msg()，读取一条命令，解析JSON。

对于bolts来说，有少许不同。

while(true) {
 $msg = read_msg();
 $tuple = json_decode($msg, true, 512, JSON_BIGINT_AS_STRING);
 if (!empty($tuple["id"])) {
 if (isPrime($tuple["tuple"][0])) {
 storm_emit(array($tuple["tuple"][0]));
 }
 storm_ack($tuple["id"]);
 }
}

循环的从标准输入读取元组。解析读取每一条JSON消息，判断它是不是一个元组，如果是，再检查它是不是一个素数，如果是素数再次分发一个元组，否则就忽略掉，最后不论如何都要确认成功。

NOTE：在json_decode函数中使用的JSON_BIGINT_AS_STRING是为了解决一个在JAVA和PHP之间的数据转换问题。JAVA发送的一些很大的数字，在PHP中会丢失精度，这样就会导致问题。为了避开这个问题，告诉PHP把大数字当作字符串处理，并在JSON消息中输出数字时不使用双引号。PHP5.4.0或更高版本要求使用这个参数。

emit，ack，fail，以及log消息都是如下结构：

emit

{
 "command": "emit",
 "tuple": ["foo", "bar"]
}

其中的数组包含了你分发的元组数据。

ack

{
 "command": "ack",
 "id": 123456789
}

其中的id就是你处理的元组的ID。
fail

{
 "command": "fail",
 "id": 123456789
}

与ack（译者注：原文是emit从上下JSON的内容和每个方法的功能上判断此处就是ack，可能是排版错误）相同，其中id就是你处理的元组ID。
log

{
 "command": "log",
 "msg": "some message to be logged by storm."
}

下面是完整的的PHP代码。

//你的spout：
<?php
function read_msg() {
 $msg = "";
 while(true) {
 $l = fgets(STDIN);
 $line = substr($l,0,-1);
 if ($line=="end") {
 break;
 }
 $msg = "$msg$line\n";
 }
 return substr($msg, 0, -1);
}
function write_line($line) {
 echo("$line\n");
}
function storm_emit($tuple) {
 $msg = array("command" => "emit", "tuple" => $tuple);
 storm_send($msg);
}
function storm_send($json) {
 write_line(json_encode($json));
 write_line("end");
}
function storm_sync() {
 storm_send(array("command" => "sync"));
}
function storm_log($msg) {
 $msg = array("command" => "log", "msg" => $msg);
 storm_send($msg);
 flush();
}
$config = json_decode(read_msg(), true);
$heartbeatdir = $config['pidDir'];
$pid = getmypid();
fclose(fopen("$heartbeatdir/$pid", "w"));
storm_send(["pid"=>$pid]);
flush();
$from = intval($argv[1]);
$to = intval($argv[2]);
while(true) {
 $msg = read_msg();
 $cmd = json_decode($msg, true);
 if ($cmd['command']=='next') {
 if ($from<$to) {
 storm_emit(array("$from"));
 $task_ids = read_msg();
 $from++;
 } else {
 sleep(1);
 }
 }
 storm_sync();
}
?>
//你的bolt:
<?php
function isPrime($number) {
 if ($number < 2) {
 return false;
 }
 if ($number==2) {
 return true;
 }
 for ($i=2; $i<=$number-1; $i++) {
 if ($number % $i == 0) {
 return false;
 }
 }
 return true;
}
function read_msg() {
 $msg = "";
 while(true) {
 $l = fgets(STDIN);
 $line = substr($l,0,-1);
 if ($line=="end") {
 break;
 }
 $msg = "$msg$line\n";
 }
 return substr($msg, 0, -1);
}
function write_line($line) {
 echo("$line\n");
}
function storm_emit($tuple) {
 $msg = array("command" => "emit", "tuple" => $tuple);
 storm_send($msg);
}
function storm_send($json) {
 write_line(json_encode($json));
 write_line("end");
}
function storm_ack($id) {
 storm_send(["command"=>"ack", "id"=>"$id"]);
}
function storm_log($msg) {
 $msg = array("command" => "log", "msg" => "$msg");
 storm_send($msg);
}
$config = json_decode(read_msg(), true);
$heartbeatdir = $config['pidDir'];
$pid = getmypid();
fclose(fopen("$heartbeatdir/$pid", "w"));
storm_send(["pid"=>$pid]);
flush();
while(true) {
 $msg = read_msg();
 $tuple = json_decode($msg, true, 512, JSON_BIGINT_AS_STRING);
 if (!empty($tuple["id"])) {
 if (isPrime($tuple["tuple"][0])) {
 storm_emit(array($tuple["tuple"][0]));
 }
 storm_ack($tuple["id"]);
 }
}
?>

NOTE：需要重点指出的是，应当把所有的脚本文件保存在你的工程目录下的一个名为multilang/resources的子目录中。这个子目录被包含在发送给工人进程的jar文件中。如果你不把脚本包含在这个目录中，Storm就不能运行它们，并抛出一个错误。

文章转自并发编程网-ifeve.com

微信关注我们

原文链接：https://yq.aliyun.com/articles/88675

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

《Pig编程指南》一导读

前言 Pig编程指南数据成瘾数据是可以令人上瘾的。在过去数十年里我们收集和存储数据的能力已经大幅度提高。然而我们对于获取更多数据的欲望依旧没有得到满足。科学家们希望能够存储更多的数据以建立可以用来描述这个世界的更好的数学模型。市场营销者想通过数据了解他们的客户的意愿和消费习惯。金融分析师想通过数据更好地了解他们的市场运作情况。还有每个人都想保留各自的数码照片、电影、电子邮件等。计算机和互联网的多次革命大大提高了我们收集和存储数据的能力。在这些革命之前，美国国会图书馆是世界上数据收集量最大的机构之一。曾经估算过它的印刷类书籍刊物包含的信息量大约能达到10TB。如今大型互联网公司一天的数据量就可以达到这么多。同时并非只有网络程序正以惊人的速率产生着数据。例如,计划在智利建造的大口径全景巡天望远镜（LSST）预计将会每天产生20TB的数据。导致数据这种海量增长的部分原因是我们具有收集更多数据的能力。每当用户在网站上点击网页，Web服务器就会记录下该用户目前停留在哪个页面以及点击了哪些链接这样的信息。高速公路上每当一辆车驶过传感器的时候，车的行驶速度就会被记录下来。但是数据能够如此海量增...

2017-05-02

625

本节书摘来自华章出版社《Spark大数据分析：核心概念、技术及实践》一书中的第1章，第1.4节，作者[美]　穆罕默德·古勒（MohammedGuller），更多章节内容可以访问云栖社区“华章计算机”公众号查看。 1.4　消息系统数据通常从一个应用流向另一个。一个应用产生数据，而后被一个或多个其他应用使用。一般来讲，生成或发送数据的应用叫作生产者，接收数据的则叫作消费者。有时候，产生数据的应用数量和使用数据的应用数量会出现不对称。比如，一个应用可以产生数据，而后被多个消费者使用。同样地，一个应用也可以使用来自多个生产者的数据。有时候应用产生数据的速率和另一个应用使用数据的速率也会出现不对称。一个应用可能产生数据的速率快于消费者使用数据的速率。从一个应用向另一个应用发送数据的简单方法就是把它们直接互连。然而，当生产者和消费者数量或

2017-05-02

532

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。