2121SC@SDUSC

storm-executor-spout（2）

用一个spout读取Twitter数据。采用拓扑并行化，多个spout从同一个流读取数据的不同部分。如果有多个流要读取，可以在任意组件内（spouts/bolts）访问TopologyContext。利用这一特性，能够把流划分到多个spouts读取。

 public void open(Map conf, TopologyContext context,SpoutOutputCollector collector) {
//从context对象获取spout大小
int spoutsSize = context.getComponentTasks(context.getThisComponentId()).size();
//从这个spout得到任务id
int myIdx = context.getThisTaskIndex();
String[] tracks = ((String) conf.get("track")).split(",");
StringBuffer tracksBuffer = new StringBuffer();
for(int i=0; i< tracks.length;i++){//Check if this spout must read the track wordif( i % spoutsSize == myIdx){tracksBuffer.append(",");tracksBuffer.append(tracks[i]);}
}
if(tracksBuffer.length() == 0) {throw new RuntimeException("没有为spout得到track配置" +
" [spouts大小:"+spoutsSize+", tracks:"+tracks.length+"] tracks的数量必须高于spout的数量");this.track =tracksBuffer.substring(1).toString();
}
...}

可以把collector对象均匀的分配给多个数据源

从一个spout连接到已知设备。也可以使用相同的方法连接未知设备，不过需要借助于一个协同系统维护的设备列表。协同系统负责探察列表的变化，并根据变化创建或销毁连接。比如，从web服务器收集日志文件时，web服务器列表可能随着时间变化。当添加一台web服务器时，协同系统探查到变化并为它创建一个新的spout。

消息队列

第二种方法是，通过一个队列系统接收来自消息分发器的消息，并把消息转发给spout。更进一步的做法是，把队列系统作为spout和数据源之间的中间件，可以利用多队列系统的重播能力增强队列可靠性。不需要知道有关消息分发器的任何事情，而且添加或移除分发器的操作比直接连接简单的多。这个架构的问题在于队列是一个故障点，另外还要为处理流程引入新的环节。

注:可以通过轮询队列或哈希队列（把队列消息通过哈希发送给spouts或创建多个队列使队列spouts一一对应）在多个spouts之间实现并行性。

在spout的open方法创建一个线程，用来获取消息（使用线程是为了避免锁定nextTuple在主循环的调用）：

new Thread(new Runnable() {
@Override
public void run() {try{Jedis client= new Jedis(redisHost, redisPort);List res = client.blpop(Integer.MAX_VALUE, queues);messages.offer(res.get(1));}catch(Exception e){LOG.error("从redis读取队列出错",e);try {Thread.sleep(100);}catch(InterruptedException e1){}}
}
}).start();

这个线程的惟一目的就是，创建redis连接，然后执行blpop命令。每当收到了一个消息，它就被添加到一个内部消息队列，然后会被nextTuple消费。对于spout来说数据源就是redis队列，它不知道消息分发者在哪里也不知道消息的数量。

注:不要在spout创建太多线程，因为每个spout都运行在不同的线程。可以增加拓扑并行性，也就是通过Storm集群在分布式环境创建更多线程。

在nextTuple方法中，要做的惟一的事情就是从内部消息队列获取消息并再次分发它们。

public void nextTuple(){
while(!messages.isEmpty()){collector.emit(new Values(messages.poll()));
}
}

注:可以借助redis在spout实现消息重发，从而实现可靠的拓扑。

小结
不存在适用于所有拓扑的架构模式。如果知道数据源，并且能够控制它们，就可以使用直接连接；然而如果需要添加未知数据源或从多种数据源接收数据，就最好使用消息队列。如果要执行在线过程，你可以使用DRPCSpout或类似的实现。

知识点学习：https://ifeve.com/getting-started-with-storm-4/