【8A文】Storm专题介绍报告.ppt

《【8A文】Storm专题介绍报告.ppt》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、Storm及交通实时数据处理报告人：汪杰宇绪论知识Storm架构一个简单的Storm例子Storm在交通数据处理中的应用目录背景：大数据的产生GBTBPBEBZB数据量的增长：在2006年，个人用户才刚刚迈进TB时代，全球一共新产生了约180EB的数据；在2011年，这个数字达到了1.8ZB。有市场研究机构预测（2009年）：到2020年，整个世界的数据总量将会增长44倍，达到35.2ZB（1ZB=10亿TB）！1GB=2^30字节1TB=2^40字节1PB=2^50字节1EB=2^60字节1ZB=2^70字节背景：大数据处理模式主要的处理模式可以分为

2、流处理（streamprocessing）和批处理（batchprocessing）两种。批处理是先存储后处理（store-process），而流处理则是直接处理（straight-throughprocess）。（有时也分为在线、离线、近线三种）batchprocessingstreamprocessing背景：多种数据处理技术的出现过去的十年是数据处理变革的十年，MapReduce、Hadoop以及一些相关的技术使得我们能处理的数据量比以前要大得多得多。但是这些数据处理技术都不是实时的系统—它们设计的目的也不是为了实时计算。然而大规模的实时数据处理已

3、经越来越成为一种业务需求了，而缺少一个“实时版本的hadoop”已经成为数据处理整个生态系统的一个巨大缺失。Storm填补了这个缺失。Storm出现之前，需要自己手动维护一个由消息队列（Queues）和消息处理者（Workers）所组成的实时处理网络，消息处理者从消息队列取出一个消息进行处理，更新数据库，发送消息给其它队列进行进一步处理，但是这种计算方式的局限性太大：复杂、不健壮且扩展性差。大数据实时流计算系统（一）Yahoo的S4S4是一个通用的、分布式的、可扩展的、分区容错的、可插拔的流式系统，Yahoo！开发S4系统，主要是为了解决：搜索广告的展现

4、、处理用户的点击反馈。在流式处理领域里，Storm的直接对手是S4。不过，S4冷淡的社区、半成品的代码，在实际商用方面输给Storm不止一条街。大数据实时流计算系统（二）Facebook的PumaFacebook使用puma和Hbase相结合来处理实时数据,使批处理计算平台具备一定实时计算能力。不过这不算是一个开源的产品。只是内部使用。相关论文：ApacheHadoopGoesRealtimeatFacebook。WhyStorm？Storm：“Hadoopofrealtime”、Distributedandfault-tolerantrealtimec

5、omputationStorm定义了一批实时计算的原语。如同hadoop大大简化了并行批量数据处理，storm的这些原语大大简化了并行实时数据处理。storm的一些关键特性如下：分布式系统/运维简单/高度容错/无数据丢失/支持多种编程语言……Storm发展现状最新版本：0.9.1在GitHub上超过4000个项目负责人，全球共有29名代码贡献者。（12年）很多公司在使用Storm，这些公司中不乏淘宝，百度，Twitter，Groupon，雅虎等重量级公司。绪论知识Storm架构一个简单的Storm例子Storm在交通数据处理中的应用目录Storm集群：物

6、理的Storm集群主要由一个主节点（masternode）和一群工作节点(workernodes)组成，通过Zookeeper集群进行协调。主节点通常运行一个后台程序——Nimbus，用于响应分布在集群中的节点，分配任务和监测故障。工作节点同样会运行一个后台程序——Supervisor，用于收听工作指派并基于要求运行工作进程。每个工作节点都是topology中一个子集的实现。Storm集群masterTopology：逻辑的在Storm中，应用程序实现实时处理的逻辑被封装进Storm中的topology中。一个topology是由一组Spout组件（数据

7、源）和Bolt组件（数据操作）通过StreamGroupings进行连接的图。Topology：逻辑的Spout：在一个topology中产生源数据流的组件，从来源处读取数据并放入topology。Bolt：在一个topology中接受数据然后执行处理的组件。Topology：逻辑的流(Stream)Stream是Storm中的一个核心概念，Storm将输入的数据看成流，它是以tuple为单位组成的一条有向无界的数据流。tupletupletupletupletuple…tupleTopology：逻辑的StreamGroupings：消息的分组方法。S

8、torm提供了六种分组方法：1.随机分组（Shufflegrouping）：随机