【Storm總結-6】Twitter Storm: DRPC簡介

轉自：http://xumingming.sinaapp.com/756/twitter-storm-drpc/

-------------------------

Storm裏面引入DRPC主要是利用storm的實時計算能力來並行化CPU intensive的計算。DRPC的storm topology以函數的參數流作爲輸入，而把這些函數調用的返回值作爲topology的輸出流。

DRPC其實不能算是storm本身的一個特性，它是通過組合storm的原語spout，bolt， topology而成的一種模式(pattern)。本來應該把DRPC單獨打成一個包的，但是DRPC實在是太有用了，所以我們我們把它和storm捆綁在一起。

概覽

Distributed RPC是由一個”DPRC Server”協調的(storm自帶了一個實現)。DRPC服務器協調1) 接收一個RPC請求。2) 發送請求到storm topology 3) 從storm topology接收結果。4) 把結果發回給等待的客戶端。從客戶端的角度來看一個DRPC調用跟一個普通的RPC調用沒有任何區別。比如下面是客戶端如何調用RPC： reach方法的,方法的參數是: http://twitter.com。

DRPCClient client = newDRPCClient("drpc-host",3772);
String result = client.execute("reach",
                           "http://twitter.com");

DRPC的工作流大致是這樣的:

客戶端給DRPC服務器發送要執行的方法的名字，以及這個方法的參數。實現了這個函數的topology使用DRPCSpout從DRPC服務器接收函數調用流。每個函數調用被DRPC服務器標記了一個唯一的id。這個topology然後計算結果，在topology的最後一個叫做ReturnResults的bolt會連接到DRPC服務器，並且把這個調用的結果發送給DRPC服務器(通過那個唯一的id標識)。DRPC服務器用那個唯一id來跟等待的客戶端匹配上，喚醒這個客戶端並且把結果發送給它。

LinearDRPCTopologyBuilder

Storm自帶了一個稱作LinearDRPCTopologyBuilder的topology builder, 它把實現DRPC的幾乎所有步驟都自動化了。這些步驟包括:

設置spout
把結果返回給DRPC服務器
給bolt提供有限聚合幾組tuples的能力

讓我們看一個簡單的例子。下面是一個把輸入參數後面添加一個”!”的DRPC topology的實現:

publicstatic class ExclaimBolt implementsIBasicBolt {
    publicvoid prepare(Map conf, TopologyContext context) {
    }
 
    publicvoid execute(Tuple tuple, BasicOutputCollector collector) {
        String input = tuple.getString(1);
        collector.emit(newValues(tuple.getValue(0), input + "!"));
    }
 
    publicvoid cleanup() {
    }
 
    publicvoid declareOutputFields(OutputFieldsDeclarer declarer) {
        declarer.declare(newFields("id","result"));
    }
 
}
 
publicstatic void main(String[] args) throwsException {
    LinearDRPCTopologyBuilder builder
        =newLinearDRPCTopologyBuilder("exclamation");
    builder.addBolt(newExclaimBolt(), 3);
    // ...
}

可以看出來，我們需要做的事情非常的少。創建LinearDRPCTopologyBuilder的時候，你需要告訴它你要實現的DRPC函數的名字。一個DRPC服務器可以協調很多函數，函數與函數之間靠函數名字來區分。你聲明的第一個bolt會接收兩維tuple，tuple的第一個field是request-id，第二個field是這個請求的參數。LinearDRPCTopologyBuilder同時要求我們topology的最後一個bolt發射一個二維tuple：第一個field是request-id，第二個field是這個函數的結果。最後所有中間tuple的第一個field必須是request-id。

在這裏例子裏面ExclaimBolt 簡單地在輸入tuple的第二個field後面再添加一個”!”，其餘的事情都由LinearDRPCTopologyBuilder幫我們搞定：鏈接到DRPC服務器，並且把結果發回。

本地模式DRPC

DRPC可以以本地模式運行。下面就是以本地模式運行上面例子的代碼:

LocalDRPC drpc = newLocalDRPC();
LocalCluster cluster = newLocalCluster();
 
cluster.submitTopology(
    "drpc-demo",
    conf,
    builder.createLocalTopology(drpc)
);
 
System.out.println("Results for 'hello':"
    + drpc.execute("exclamation","hello"));
 
cluster.shutdown();
drpc.shutdown();

首先你創建一個LocalDRPC對象。這個對象在進程內模擬一個DRPC服務器，跟LocalClusterLinearTopologyBuilder有單獨的方法來創建本地的topology和遠程的topology。在本地模式裏面LocalDRPC對象不和任何端口綁定，所以我們的topology對象需要知道和誰交互。這就是爲什麼createLocalTopology方法接受一個LocalDRPC對象作爲輸入的原因。

把topology啓動了之後，你就可以通過調用LocalDRPC對象的execute來調用RPC方法了。

遠程模式DRPC

在一個真是集羣上面DRPC也是非常簡單的，有三個步驟:

啓動DRPC服務器
配置DRPC服務器的地址
提交DRPC topology到storm集羣裏面去。

我們可以通過下面的storm腳本命令來啓動DRPC服務器:

bin/stormdrpc

接着，你需要讓你的storm集羣知道你的DRPC服務器在哪裏。DRPCSpout需要這個地址從而可以從DRPC服務器來接收函數調用。這個可以配置在storm.yaml或者通過代碼的方式配置在topology裏面。通過storm.yaml配置是這樣的:

drpc.servers:
  - "drpc1.foo.com"
  - "drpc2.foo.com"

最後，你通過StormSubmitter對象來提交DRPC topology — 跟你提交其它topology沒有區別。如果要以遠程的方式運行上面的例子，用下面的代碼:

StormSubmitter.submitTopology(
    "exclamation-drpc",
    conf,
    builder.createRemoteTopology()
);

我們用createRemoteTopology方法來創建運行在真實集羣上的DRPC topology。

一個更復雜的例子

上面的DRPC例子只是爲了介紹DRPC概念的一個簡單的例子。下面讓我們看一個複雜的、確實需要storm的並行計算能力的例子, 這個例子計算twitter上面一個url的reach值。

首先介紹一下什麼是reach值，要計算一個URL的reach值，我們需要:

獲取所有微薄裏面包含這個URL的人
獲取這些人的粉絲
把這些粉絲去重
獲取這些去重之後的粉絲個數 — 這就是reach

一個簡單的reach計算可能會有成千上萬個數據庫調用，並且可能設計到百萬數量級的微薄用戶。這個確實可以說是CPU intensive的計算了。你會看到的是，在storm上面來實現這個是非常非常的簡單。在單臺機器上面，一個reach計算可能需要花費幾分鐘。而在一個storm集羣裏面，即時是最男的URL，也只需要幾秒。

一個reach topolgoy的例子可以在這裏找到(storm-starter)。reach topology是這樣定義的:

LinearDRPCTopologyBuilder builder
    =newLinearDRPCTopologyBuilder("reach");
builder.addBolt(newGetTweeters(), 3);
builder.addBolt(newGetFollowers(), 12)
        .shuffleGrouping();
builder.addBolt(newPartialUniquer(), 6)
        .fieldsGrouping(newFields("id","follower"));
builder.addBolt(newCountAggregator(), 2)
        .fieldsGrouping(newFields("id"));

這個topology分四步執行:

GetTweeters獲取所發微薄裏面包含制定URL的所有用戶。它接收輸入流: [id, url], 它輸出:[id, tweeter]. 沒一個URL tuple會對應到很多tweetertuple。
GetFollowers 獲取這些tweeter的粉絲。它接收輸入流: [id, tweeter], 它輸出: [id, follower]
PartialUniquer 通過粉絲的id來group粉絲。這使得相同的分析會被引導到統一個task。因此不同的task接收到的粉絲是不同的 — 從而起到去重的作用。它的輸出流：[id, count] 即輸出這個task上統計的粉絲個數。
最後，CountAggregator 接收到所有的局部數量，把它們加起來就算出了我們要的reach值。

我們來看一下PartialUniquer的實現:

publicstatic class PartialUniquer
        implementsIRichBolt, FinishedCallback {
 
    OutputCollector _collector;
    Map<Object, Set<String>> _sets
                =newHashMap<Object, Set<String>>();
 
    publicvoid prepare(Map conf,
                        TopologyContext context,
                        OutputCollector collector) {
        _collector = collector;
    }
 
    publicvoid execute(Tuple tuple) {
        Object id = tuple.getValue(0);
        Set<String> curr = _sets.get(id);
        if(curr==null) {
            curr = newHashSet<String>();
            _sets.put(id, curr);
        }
        curr.add(tuple.getString(1));
        _collector.ack(tuple);
    }
 
    publicvoid cleanup() {
    }
 
    publicvoid finishedId(Object id) {
        Set<String> curr = _sets.remove(id);
        intcount;
        if(curr!=null) {
            count = curr.size();
        }else{
            count = 0;
        }
        _collector.emit(newValues(id, count));
    }
 
    publicvoid declareOutputFields(OutputFieldsDeclarer declarer) {
        declarer.declare(newFields("id","partial-count"));
    }
}

當PartialUniquer在execute方法裏面接收到一個粉絲tuple的時候，它把這個tuple添加到當前request-id對應的Set裏面去。

PartialUniquer同時也實現了FinishedCallback接口, 實現這個接口是告訴LinearDRPCTopologyBuilder 它想在接收到某個request-id的所有tuple之後得到通知，回調函數則是,code>finishedId方法。在這個回調函數裏面PartialUniquer發射當前這個request-id在這個task上的粉絲數量。

在這個簡單接口的背後，我們是使用CoordinatedBolt來檢測什麼時候一個bolt接收到某個request的所有的tuple的。CoordinatedBolt是利用direct stream來實現這種協調的。

這個topology的其餘部分就非常的明瞭了。我們可以看到的是reach計算的每個步驟都是並行計算出來的，而且實現這個DRPC的topology是那麼的簡單。

非線性DRPC Topology

LinearDRPCTopologyBuilder只能搞定"線性"的DRPC topology。所謂的線性就是說你的計算過程是一步接着一步，串聯。我們不難想象還有其它的可能 -- 並聯（回想一下初中物理裏面學的並聯電路吧), 現在你如果想解決這種這種並聯的case的話，那麼你需要自己去使用CoordinatedBolt來處理所有的事情了。如果真的有這種use case的話，在mailing list上大家討論一下吧。

LinearDRPCTopologyBuilder的工作原理

DRPCSpout發射tuple: [args, return-info]。 return-info包含DRPC服務器的主機地址，端口以及當前請求的request-id
DRPC Topology包含以下元素：
- DRPCSpout
- PrepareRequest(生成request-id, return info以及args)
- CoordinatedBolt
- JoinResult -- 組合結果和return info
- ReturnResult -- 連接到DRPC服務器並且返回結果
LinearDRPCTopologyBuilder是利用storm的原語來構建高層抽象的很好的例子。

高級特性

如何利用KeyedFairBolt來同時處理多個請求
如何直接使用CoordinatedBolt

【Storm總結-6】Twitter Storm: DRPC簡介

概覽

LinearDRPCTopologyBuilder

本地模式DRPC

遠程模式DRPC

一個更復雜的例子

非線性DRPC Topology

LinearDRPCTopologyBuilder的工作原理

高級特性

24-5-18 X

20130131 - 回顧2012，展望2013

S4 - 分佈式流計算平臺

【Storm總結-1】Storm 簡介 -- 轉一個我認爲總結的比較好的介紹

Yahoo! s4和Twitter storm的粗略比較

深入研究Java虛擬機的類加載機制

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結