storm基础系列之一----storm并发度概念剖析

前言：

学了几天storm的基础，发现如果有hadoop基础，再理解起概念来，容易的多。不过，涉及到一些独有的东西，如调度，如并发度，还是很麻烦。那么，从这一篇开始，力争清晰的梳理这些知识。

 在正式学习并发之前，有必要先明确几个基本概念的定义，以及具体作用。

一、基础概念

1.1 Topology 原意拓扑。可以把他理解为是hadoop中的job，他是把一系列的任务项组装后的一个结果。

1.2 Spout 是任务的一种，作用是读取数据，然后组装成一定的格式，发射出去。

1.3 Bolt 是另一种任务，接收Spout或者上级Bolt发射的任务，进行处理。处理后，也有发射功能，当然如果已经处理完成，也可以作为叶子节点不再发射。

1.4 worker 进程，占用独立的jvm，每台机器都可以拥有多个worker。一个Topology，出于分布式的设计，都会把任务分配到多台机器去执行。那么，相应的，也就是分给了一组可能不在同一台机器上的worker。 反过来理解，一个worker里有一个Topology的任务集合的子集，注意不会再包含另一个Topology的任务。

如图：

1.5 executor 执行者，就是我们在代码里，setspout或setbolt时，指定的数值。可以把他看做是线程。在一个work进程里，可以有多个线程。 每个组件component (spout或bolt)由一个或多个executor来执行。这一层概念，是细化到了Topology的内层，也就是具体每个Spout、Bolt上了。也就是说，这一段代码要并行执行的数目。

1.6 task 具体的逻辑处理单元。或者可以叫任务。有多少个task就实例化多少个组件（注意，实例化并不是执行，执行由executor来负责），通常情况下，一个executor线程可以执行一个或同时执行多个task任务，默认是一个。 task数不会改变，而executor数会变。当task数更大些时，实际并发数就是executor的数目。从这里可以看出，task也是从具体的组件层面来定义的。task是一个静态的概念，而executor是动态的概念，是执行者，比如，我配置了task=100，那么就有100个任务等待执行，我再配置executor=10，这意思就是有十个执行者（即10个线程）并发来执行者100个task（内存有100个对象，供调度执行）。

需要指出的是，executor的数量应该小于等于task数量。task可以不设置，不设置默认就是取的executor的数量。

这里有一张经典的图：

这张图中有一点可以指出，右边的那个executor里，是有两个task的，在这个线程里，会循环调用这两个task，不过这两个task应该是对应同一个组件的。

1.7 component 组件，值得是spout或者bolt。

1.8 nimbus 任务分发调度者，相当于JobTracker。

1.9 supervisor 作业执行者，相当于taskTracker。

二、并发度配置

2.1 理清了上述的概念，那么接下来我们梳理下，并发度配置的相关细节：

worker，可在代码中或配置文件中配置。数目最好大于机器数目。conf.setNumWorkers(2)

executor，代码中配置，setBolt()，setSpout()

task数目，代码中配置，setNumTasks()如果不配置，默认取executor数目。

2.2 动态改变并发度

可变的是worker和executor的数目，可通过命令或者webUI

其中命令的为：

storm rebalance mytopology -n 5 -e blue-spout=3 -e yellow-bolt=10

以上就是关于storm一些基本概念，以及概念之间的联系。

因为今天提交了两个Topology，出现了一些错误，于是重新回顾这个关系：

再次总结：

每个worker只会处理一种Topology里的component。

可能是多个worker一起处理一个Topology。

executor是线程，处理具体的component。

task是具体component的实例，可以不指定，不设定的时候，num就是executor的数量。