大数据处理之流式计算 storm安装

1. 安装包准备

   官网下载最新稳定版本，题主下载的是apache-storm-0.9.5.tar.gz
   

2. 角色分配

   3.1 安装Strom集群首先要搭建ZooKeeper集群，由于Zookeeper搭建相对简单，不再介绍，我们这里zookeeper为hadoop001:2181,hadoop002:2181,hadoop003:2181

   3.2 解压安装包到指定目录下，这里为/opt下。

   3.3 添加环境变量到/home/you-user-name/.bashrc

    export STORM_HOME=/opt/storm

    export PATH=$STORM_HOME/bin:$PATH

    export CLASSPATH=$STROM_HOME/lib:$CLASSPATH

   3.4 修改Storm配置文件

配置项 配置说明

storm.zookeeper.servers     ZooKeeper服务器列表

storm.zookeeper.port     ZooKeeper连接端口

storm.local.dir         storm使用的本地文件系统目录(必须存在并且storm进程可读写)

storm.cluster.mode     Storm集群运行模式([distributed|local])

storm.local.mode.zmq     Local模式下是否使用ZeroMQ作消息系统，如果设置为false则使用java消息系统。默认为false

storm.zookeeper.root     ZooKeeper中Storm的根目录位置

storm.zookeeper.session.timeout 客户端连接ZooKeeper超时时间

storm.id         运行中拓扑的id,由storm name和一个唯一随机数组成。

nimbus.host         nimbus服务器地址

nimbus.thrift.port     nimbus的thrift监听端口

nimbus.childopts     通过storm-deploy项目部署时指定给nimbus进程的jvm选项

nimbus.task.timeout.secs 心跳超时时间，超时后nimbus会认为task死掉并重分配给另一个地址。

nimbus.monitor.freq.secs nimbus检查心跳和重分配任务的时间间隔.注意如果是机器宕掉nimbus会立即接管并处理。

nimbus.supervisor.timeout.secs     supervisor的心跳超时时间,一旦超过nimbus会认为该supervisor已死并停止为它分发新任务.

nimbus.task.launch.secs task    启动时的一个特殊超时设置.在启动后第一次心跳前会使用该值来临时替代nimbus.task.timeout.secs.

nimbus.reassign         当发现task失败时nimbus是否重新分配执行。默认为真，不建议修改。

nimbus.file.copy.expiration.secs nimbus判断上传/下载链接的超时时间，当空闲时间超过该设定时nimbus会认为链接死掉并主动断开

ui.port Storm UI的服务端口

drpc.servers DRPC服务器列表，以便DRPCSpout知道和谁通讯

drpc.port Storm DRPC的服务端口

supervisor.slots.ports supervisor上能够运行workers的端口列表.每个worker占用一个端口,且每个端口只运行一个worker.通过这项配置可以调整每台机器上运行的worker数.(调整slot数/每机)

supervisor.childopts 在storm-deploy项目中使用,用来配置supervisor守护进程的jvm选项

supervisor.worker.timeout.secs supervisor中的worker心跳超时时间,一旦超时supervisor会尝试重启worker进程.

supervisor.worker.start.timeout.secs supervisor初始启动时，worker的心跳超时时间，当超过该时间supervisor会尝试重启worker。因为JVM初始启动和配置会带来的额外消耗，从而使得第一次心跳会超过supervisor.worker.timeout.secs的设定

supervisor.enable supervisor是否应当运行分配给他的workers.默认为true,该选项用来进行Storm的单元测试,一般不应修改.

supervisor.heartbeat.frequency.secs supervisor心跳发送频率(多久发送一次)

supervisor.monitor.frequency.secs supervisor检查worker心跳的频率

worker.childopts supervisor启动worker时使用的jvm选项.所有的”%ID%”字串会被替换为对应worker的标识符

worker.heartbeat.frequency.secs worker的心跳发送时间间隔

task.heartbeat.frequency.secs task汇报状态心跳时间间隔

task.refresh.poll.secs task与其他tasks之间链接同步的频率.(如果task被重分配,其他tasks向它发送消息需要刷新连接).一般来讲，重分配发生时其他tasks会理解得到通知。该配置仅仅为了防止未通知的情况。

topology.debug 如果设置成true，Storm将记录发射的每条信息。

topology.optimize master是否在合适时机通过在单个线程内运行多个task以达到优化topologies的目的.

topology.workers 执行该topology集群中应当启动的进程数量.每个进程内部将以线程方式执行一定数目的tasks.topology的组件结合该参数和并行度提示来优化性能

topology.ackers topology中启动的acker任务数.Acker保存由spout发送的tuples的记录，并探测tuple何时被完全处理.当Acker探测到tuple被处理完毕时会向spout发送确认信息.通常应当根据topology的吞吐量来确定acker的数目，但一般不需要太多.当设置为0时,相当于禁用了消息可靠性,storm会在spout发送tuples后立即进行确认.

topology.message.timeout.secs topology中spout发送消息的最大处理超时时间.如果一条消息在该时间窗口内未被成功ack,Storm会告知spout这条消息失败。而部分spout实现了失败消息重播功能。

topology.kryo.register 注册到Kryo(Storm底层的序列化框架)的序列化方案列表.序列化方案可以是一个类名,或者是com.esotericsoftware.kryo.Serializer的实现.

topology.skip.missing.kryo.registrations Storm是否应该跳过它不能识别的kryo序列化方案.如果设置为否task可能会装载失败或者在运行时抛出错误.

topology.max.task.parallelism 在一个topology中能够允许的最大组件并行度.该项配置主要用在本地模式中测试线程数限制.

topology.max.spout.pending 一个spout task中处于pending状态的最大的tuples数量.该配置应用于单个task,而不是整个spouts或topology.

topology.state.synchronization.timeout.secs 组件同步状态源的最大超时时间(保留选项,暂未使用)

topology.stats.sample.rate 用来产生task统计信息的tuples抽样百分比

topology.fall.back.on.java.serialization topology中是否使用java的序列化方案

zmq.threads 每个worker进程内zeromq通讯用到的线程数

zmq.linger.millis 当连接关闭时,链接尝试重新发送消息到目标主机的持续时长.这是一个不常用的高级选项,基本上可以忽略.

java.library.path JVM启动(如Nimbus,Supervisor和workers)时的java.library.path设置.该选项告诉JVM在哪些路径下定位本地库.

4.启动

    Strom中没有在配置中对角色分配做体现，需要我们在启动时指定：

    启动Nimbus："bin/storm nimbus >/dev/null 2>&1 &"

             启动Supervisor："bin/storm supervisor >/dev/null 2>&1 &"

             启动UI："bin/storm ui >/dev/null 2>&1 &"

    注意事项:UI必须和Nimbus处于同一主机，否则UI无法正常工作