手记

大数据基础知识学习-----Storm学习笔记(一)概述

Storm概述

离线计算是什么

离线计算:批量获取数据、批量传输数据、周期性批量计算数据、数据展示 

代表技术:Sqoop批量导入数据、HDFS批量存储数据、MapReduce批量计算数据、Hive批量计算数据

流式计算是什么

流式计算:数据实时产生、数据实时传输、数据实时计算、实时展示 

代表技术:Flume实时获取数据、Kafka实时数据存储、Storm/JStorm实时数据计算、Redis实时结果缓存、持久化存储(mysql)。 

离线计算与实时计算最大的区别:实时收集、实时计算、实时展示

Storm是什么

Storm是一个分布式计算框架,主要使用Clojure与Java语言编写,最初是由Nathan Marz带领Backtype公司团队创建,在Backtype公司被Twitter公司收购后进行开源。最初的版本是在2011年9月17日发行,版本号0.5.0。 

2013年9月,Apache基金会开始接管并孵化Storm项目。Apache Storm是在Eclipse Public License下进行开发的,它提供给大多数企业使用。经过1年多时间,2014年9月,Storm项目成为Apache的顶级项目。目前,Storm的最新版本1.1.0。 

Storm是一个免费开源的分布式实时计算系统。Storm能轻松可靠地处理无界的数据流,就像Hadoop对数据进行批处理;

Storm与Hadoop的区别

Storm用于实时计算,Hadoop用于离线计算。

Storm处理的数据保存在内存中,源源不断;Hadoop处理的数据保存在文件系统中,一批一批处理。

Storm的数据通过网络传输进来;Hadoop的数据保存在磁盘中。

Storm与Hadoop的编程模型相似

Stormhadoop

角色Nimbus

Supervisor

Worker

应用名称Topology

编程接口Spout/Bolt

hadoop的相关名称

Job:任务名称

JobTracker:项目经理(JobTracker对应于NameNode;JobTracker是一个master服务,软件启动之后JobTracker接收Job,负责调度Job的每一个子任务task运行于TaskTracker上,并监控它们,如果发现有失败的task就重新运行它。)

TaskTracker:开发组长(TaskTracker对应于DataNode;TaskTracker是运行在多个节点上的slaver服务。TaskTracker主动与JobTracker通信,接收作业,并负责直接执行每一个任务。)

Child:负责开发的人员

Mapper/Reduce:开发人员中的两种角色,一种是服务器开发、一种是客户端开发

storm相关名称

Topology:任务名称

Nimbus:项目经理

Supervisor:开组长

Worker:开人员

Spout/Bolt:开人员中的两种角色,一种是服务器开发、一种是客户端开发

Storm应用场景

Storm用来实时计算源源不断产生的数据,如同流水线生产,Storm能用到很多场景中,包括:实时分析、在线机器学习、连续计算等。

推荐系统:实时推荐,根据下单或加入购物车推荐相关商品

金融系统:实时分析股票信息数据

预警系统:根据实时采集数据,判断是否到了预警阈值。

网站统计:实时销量、流量统计,如淘宝双11效果图

Sotrm特点

适用场景广泛:Storm可以适用实时处理消息、更新数据库、持续计算等场景。

可伸缩性高:Storm的可伸缩性可以让Storm每秒处理的消息量达到很高。扩展一个实时计算任务,你所需要做的就是加机器并且提高这个计算任务的并行度。Storm使用Zookeeper来协调机器内的各种配置使得Storm的集群可以很容易的扩展。

保证无数据丢失:Storm保证所有的数据都被处理。

异常健壮:Storm集群非常容易管理,轮流重启节点不影响应用。

容错性好:在消息处理过程中出现异常,Storm会进行重试。



作者:Alukar
链接:https://www.jianshu.com/p/f63b110ea5d7


0人推荐
随时随地看视频
慕课网APP