Storm入門教程 第五章 一致性事務
原文作者: 木晗
5 Storm消息一致性事務
Storm是一個分散式的stream處理系統，利用anchor和ack機制保證所有tuple都被成功處理。如果tuple出錯，則訊息可以被重傳，但是如何保證出錯的tuple只被處理一次呢？Storm提供了一套事務性元件Transaction Topology，用來解決這個問題。
Transactional
Topology目前已經不再維護，由Trident來實現事務性topology，但是原理相同。
5.1 一致性事務的設計
Storm如何實現對tuple平行處理，而又能保證事務性transactional。本節從簡單的事務性實現方法入手，逐步引出Transactional Topology的原理。
5.1.1 簡單設計一：強順序流
保證tuple只被處理一次，最簡單的方法就是將tuple流變成強順序的，並且每次只處理一個tuple。從1開始，給每個tuple都順序加上一個id。在處理tuple的時候，將處理成功的tuple id和計算結果存在資料庫中。下一個tuple到來的時候，將其id與資料庫中的id做比較。如果相同，則說明這個tuple已經被成功處理過了，忽略它；如果不同，根據強順序性，說明這個tuple沒有被處理過，將它的id及計算結果更新到資料庫中。
以統計消息總數為例。每來一個tuple，如果資料庫中存儲的id 與當前tuple id不同，則資料庫中的消息總數加1，同時更新資料庫中的當前tuple id值。如圖：
但是這種機制使得系統一次只能處理一個tuple，無法實現分散式運算。
5.1.2 簡單設計二：強順序batch流
為了實現分散式，我們可以每次處理一批tuple，稱為一個batch。一個batch中的tuple可以被平行處理。
我們要保證一個batch只被處理一次，機制和上一節類似。只不過資料庫中存儲的是batch id。batch的中間計算結果先存在區域變數中，當一個batch中的所有tuple都被處理完之後，判斷batch id，如果跟資料庫中的id不同，則將中間計算結果更新到資料庫中。
如何確保一個batch裡面的所有tuple都被處理完了呢？可以利用Storm提供的CoordinateBolt。如圖：
但是強順序batch流也有局限，每次只能處理一個batch，batch之間無法並行。要想實現真正的分散式交易處理，可以使用storm提供的Transactional Topology。在此之前，我們先詳細介紹一下CoordinateBolt的原理。
5.1.3 CoordinateBolt原理
CoordinateBolt具體原理如下：
- 真正執行計算的bolt外面封裝了一個CoordinateBolt。真正執行任務的bolt我們稱為real
bolt。
- 每個CoordinateBolt記錄兩個值：有哪些task給我發送了tuple（根據topology的grouping資訊）；我要給哪些tuple發送資訊（同樣根據groping資訊）
- Real bolt發出一個tuple後，其外層的CoordinateBolt會記錄下這個tuple發送給哪個task了。
- 等所有的tuple都發送完了之後，CoordinateBolt通過另外一個特殊的stream以emitDirect的方式告訴所有它發送過tuple的task，它發送了多少tuple給這個task。下游task會將這個數字和自己已經接收到的tuple數量做對比，如果相等，則說明處理完了所有的tuple。
- 下游CoordinateBolt會重複上面的步驟，通知其下游。
整個過程如圖所示：
CoordinateBolt主要用於兩個場景：
- DRPC
- Transactional Topology
CoordinatedBolt對於業務是有侵入的，要使用CoordinatedBolt提供的功能，你必須要保證你的每個bolt發送的每個tuple的第一個field是request-id。 所謂的“我已經處理完我的上游”的意思是說當前這個bolt對於當前這個request-id所需要做的工作做完了。這個request-id在DRPC裡面代表一個DRPC請求；在Transactional
Topology裡面代表一個batch。
5.1.4 Trasactional Topology
Storm提供的Transactional
Topology將batch計算分為process和commit兩個階段。Process階段可以同時處理多個batch，不用保證順序性；commit階段保證batch的強順序性，並且一次只能處理一個batch，第1個batch成功提交之前，第2個batch不能被提交。
還是以統計消息總數為例，以下代碼來自storm-starter裡面的TransactionalGlobalCount。
MemoryTransactionalSpout
spout = new MemoryTransactionalSpout(DATA,new Fields(“word“), PARTITION_TAKE_PER_BATCH);
TransactionalTopologyBuilder
builder = new TransactionalTopologyBuilder(“global-count“, “spout“,
spout, 3);
builder.setBolt(“partial-count“,
new BatchCount(), 5).noneGrouping(“spout“);
builder.setBolt(“sum“,
new UpdateGlobalCount()).globalGrouping(“partial-count“);
TransactionalTopologyBuilder共接收四個參數。
- 這個Transactional
Topology的id。Id用來在Zookeeper中保存當前topology的進度，如果這個topology重啟，可以繼續之前的進度執行。
- Spout在這個topology中的id
- 一個TransactionalSpout。一個Trasactional
Topology中只能有一個TrasactionalSpout.在本例中是一個MemoryTransactionalSpout，從一個記憶體變數（DATA）中讀取資料。
- TransactionalSpout的並行度（可選）。
下面是BatchCount的定義:
public static class BatchCount extends
BaseBatchBolt {
Object _id;
BatchOutputCollector _collector;
int _count = 0;
@Override
public void prepare(Map conf, TopologyContext context, BatchOutputCollector
collector, Object id) {
_collector = collector;
_id = id;
}
@Override
public void execute(Tuple tuple) {
_count++;
}
@Override
public void finishBatch() {
_collector.emit(new Values(_id,
_count));
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields(“id“,
“count“));
}
}
BatchCount的prepare方法的最後一個參數是batch id，在Transactional
Tolpoloyg裡面這id是一個TransactionAttempt物件。
Transactional
Topology裡發送的tuple都必須以TransactionAttempt作為第一個field，storm根據這個field來判斷tuple屬於哪一個batch。
TransactionAttempt包含兩個值：一個transaction
id，一個attempt id。transaction id的作用就是我們上面介紹的對於每個batch中的tuple是唯一的，而且不管這個batch replay多少次都是一樣的。attempt id是對於每個batch唯一的一個id， 但是對於同一個batch，它replay之後的attempt id跟replay之前就不一樣了， 我們可以把attempt id理解成replay-times， storm利用這個id來區別一個batch發射的tuple的不同版本。
execute方法會為batch裡面的每個tuple執行一次，你應該把這個batch裡面的計算狀態保持在一個本地變數裡面。對於這個例子來說， 它在execute方法裡面遞增tuple的個數。
最後， 當這個bolt接收到某個batch的所有的tuple之後， finishBatch方法會被調用。這個例子裡面的BatchCount類會在這個時候發射它的局部數量到它的輸出流裡面去。
下面是UpdateGlobalCount類的定義：
public static class UpdateGlobalCount extends
BaseTransactionalBolt implements ICommitter {
TransactionAttempt _attempt;
BatchOutputCollector _collector;
int _sum = 0;
@Override
public void prepare(Map conf, TopologyContext context, BatchOutputCollector
collector, TransactionAttempt attempt) {
_collector = collector;
_attempt = attempt;
}
@Override
public void execute(Tuple tuple) {
_sum+=tuple.getInteger(1);
}
@Override
public void finishBatch() {
Value val = DATABASE.get(GLOBAL_COUNT_KEY);
Value newval;
if(val == null ||
!val.txid.equals(_attempt.getTransactionId())) {
newval = new Value();
newval.txid =
_attempt.getTransactionId();
if(val==null) {
newval.count = _sum;
} else {
newval.count = _sum + val.count;
}
DATABASE.put(GLOBAL_COUNT_KEY, newval);
} else {
newval = val;
}
_collector.emit(new
Values(_attempt, newval.count));
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields(“id“,
“sum“));
}
}
UpdateGlobalCount實現了ICommitter介面，所以storm只會在commit階段執行finishBatch方法。而execute方法可以在任何階段完成。
在UpdateGlobalCount的finishBatch方法中，將當前的transaction id與資料庫中存儲的id做比較。如果相同，則忽略這個batch；如果不同，則把這個batch的計算結果加到總結果中，並更新資料庫。
Transactional
Topology運行示意圖如下：
下面總結一下Transactional Topology的一些特性
- Transactional Topology將事務性機制都封裝好了，其內部使用CoordinateBolt來保證一個batch中的tuple被處理完。
- TransactionalSpout只能有一個，它將所有tuple分為一個一個的batch，而且保證同一個batch的transaction
id始終一樣。
- BatchBolt處理batch在一起的tuples。對於每一個tuple調用execute方法，而在整個batch處理完成的時候調用finishBatch方法。
- 如果BatchBolt被標記成Committer，則只能在commit階段調用finishBolt方法。一個batch的commit階段由storm保證只在前一個batch成功提交之後才會執行。並且它會重試直到topology裡面的所有bolt在commit完成提交。
- Transactional Topology隱藏了anchor/ack框架，它提供一個不同的機制來fail一個batch，從而使得這個batch被replay。
5.2 Trident介紹
Trident是Storm之上的高級抽象，提供了joins，grouping，aggregations，functions和filters等介面。如果你使用過Pig或Cascading，對這些介面就不會陌生。
Trident將stream中的tuples分成batches進行處理，API封裝了對這些batches的處理過程，保證tuple只被處理一次。處理batches中間結果存儲在TridentState物件中。
Trident事務性原理這裡不詳細介紹，有興趣的讀者請自行查閱資料。
參考：
