Spout呢,是Topology中数据流的源头,也是Storm针对数据源的编程单元。一般数据的来源,是通过外部数据源来读取数据项(Tuple),并读取的数据项传输至作业的其他组件。编程人员一般可通过OutputFieldsDeclarer类的declareStream()方法来声明多个流,指定数据将要发送的流,然后使用SpoutOutputCollector的emit方法将数据发送。
这里整理了下ISpout和IComponent接口。
ISpout声明了Spout的核心方法,用于向Topology供给数据项。对于每一个发出的数据项,Storm通过Spout,可以追踪它经历处理过程的有向无环图(竟然也是DAG)。
void open (java,util.Map conf,TopologyContext context,SpoutOutputCollector collector)
用于实例化Spout的一个运行时任务,被急群众的某一进程调用 (conf对象维护Storm中针对该Spout的配置信息,context是一个上下文对象,可用于获取该组件运行时任务的信息,collector用于从该Spout发送数据项)
void close()
用于停止一个Spout
void activate()
在Spout从非激活状态转换为激活状态时被调用
void deactivate()
在Spout的非激活状态被调用
void ack(java.lang.Object msgId)
Storm用于确认该Spout发送的这个数据项已经被完整处理
void fail(java.lang.Object msgId)
Storm用于确认该Spout发送的这个数据项已经失败
void nextTuple()
当这个方法被调用时,Storm要求Spout发送一个数据项至output collector
(nextTuple是Spout向Topology中发送一个数据项,是Spout需要实现的最重要的方法。在可靠的Spout的一个任务中,nextTuple()、ack()、fail()三个方法的调用在一个单独线程中循环。当不存在数据项需要发送时,nextTuple()将会休眠一小段间隔,确保不会浪费过多的CPU资源)
IComponent接口,声明了Topology组件的通用方法。使用JAVA语言的Spout和Bolt都必须实现这个接口。
void declareOutputFields(OutputFieldsDeclarer declarer)
声明指定输出流的数据项结构。(这里指定了输出流的数据项结构(schema)。参数declarer被用来声明输出流(stream)的id,域。
java.util.Map getComponentConfiguration()
获取组件的配置信息
以Storm官网的WordCount来说明就是:
public class WordCount extends BaseRichSpout
{
public static Logger log = logger.getLogger(backtype/storm/testing/WordCount);
boolean_isDistributed;
SpoutOutputCollector_collector;
public WordCount(){
this(true);
}
public WordCount(boolean isDistributed){
_isDistributed = isDistributed;
}
public void open(Map conf,TopologyContext context,SpoutOutputCollector collector){
_collector = collector;
}
public void close(){
}
public void nextTuple(){
Utils.sleep(100L);
String words[] = {
"nathan","mike","jackson","golda","bertels"
};
public void ack(Object obj){
}
public void fail(Object obj){
}
public void declareOutputFields(OutputFieldsDeclarer declarer){
declarer.declarer(new Fields(new String[] {
"word"
}));
}
public Map getComponentConfiguration(){
if(!_isDistributed_)
{
Map ret = new HashMap();
ret.put(Config.TOPOLOGY_MAX_TASK_PARALLELISM,Integer.valueOf(1));
}else{
return null;
}
}
}
1、类中有对WordCount的两个重载的构造函数,其中_isDistributed指明了Spout的并行度,若_isDistributed=false,则意味着这个Spout运行时仅有一份任务实例。
2、open()函数的实现,将传入的collector赋值给局部变量,使之后通过该局部变量来操作数据项的发送。
3、declareOutputFields()函数,生命了输出流的数据项结构。
4、nextTuple函数,让一只执行的线程休眠100毫秒,再继续执行下述函数体,通过线程的休眠,控制nextTuple()产生数据项的周期为0.1秒。并且在维护字符串数组中,随机挑选一个字符串,作为"word"的域,交给变量collector作为一个Tuple发送。 (ack的作用是确认数据项是否被完整处理,这里没做处理)
5、getComponentConfiguration()函数则返回组建的配置信息(这个实例中只有在_isDistributed=false时,才返回包含该配置项的Map数据结构。
6、其他重载函数都为空实现。
那么在Topology实现类的main函数使其作为一个spout:
TopologyBuilder builder = new TopologyBuilder();
builder.setSpout("sentenceGenSpout",new WordCount());