在Storm Trident中有五種操作類型

• 　　Apply Locally:本地操作，所有操作應用在本地節(jié)點數(shù)據(jù)上，不會產(chǎn)生網(wǎng)絡(luò)傳輸??? ?
• 　　Repartitioning:數(shù)據(jù)流重定向，單純的改變數(shù)據(jù)流向，不會改變數(shù)據(jù)內(nèi)容，這部分會有網(wǎng)絡(luò)傳輸
• 　　Aggragation:聚合操作，會有網(wǎng)絡(luò)傳輸
• 　　Grouped streams上的操作
• 　　Merge和Join

一Apply Locally

　　1.functions函數(shù)操作

　　函數(shù)的作用是接收一個tuple(需指定接收tuple的哪個字段)，輸出0個或多個tuples。輸出的新字段值會被追加到原始輸入tuple的后面，如果一個function不輸出tuple，那就意味這這個tuple被過濾掉了，例如下面的例子：

1 class AddAndSubFuction extends BaseFunction{ 2 3 public void execute(TridentTuple tuple, TridentCollector collector) { 4 int res1 = tuple.getInteger(0); 5 int res2 = tuple.getInteger(1); 6 int sub = res1 > res2 ? res1 - res2 : res2 - res1; 7 collector.emit(new Values(res1+res2,sub)); 8 } 9 }

?

　　2.Filter過濾操作

　　Filters很簡單，接收一個tuple，并決定是否保留這個tuple，例如

1 class ScoreFilter extends BaseFilter{ 2 3 public boolean isKeep(TridentTuple tuple) { 4 return tuple.getInteger(0) >= 60; 5 } 6 }

　　上述Filter過濾調(diào)成績小于60的tuple.

　　3.partitionAggregate

　　PartitionAggregate的作用對每個Partition中的tuple進行聚合，與前面的函數(shù)在原tuple后面追加數(shù)據(jù)不同，PartitionAggregate的輸出會直接替換掉輸入的tuple，僅數(shù)據(jù)PartitionAggregate中發(fā)射的tuple。

　　TridentAPI提供了三個聚合器接口：CombinerAggregator，ReducerAggregator，Aggregator

　　我們先來看一看CombinerAggregator，CombinerAggregator接口的定義如下：

public interface CombinerAggregator<T> extends Serializable {T init(TridentTuple tuple);T combine(T val1, T val2);T zero(); }

?

　　CombinerAggregator接口只返回一個tuple，并且這個tuple也只包含一個field。init方法會先執(zhí)行，它負責預處理每一個接收到的tuple，然后再執(zhí)行combine函數(shù)來計算收到的tuples直到最后一個tuple到達，當所有tuple處理完時，CombinerAggregator會發(fā)射zero函數(shù)的輸出，比如CombinerAggregator的實現(xiàn)類Count的定義如下：

public class Count implements CombinerAggregator<Long> {@Overridepublic Long init(TridentTuple tuple) {return 1L;}@Overridepublic Long combine(Long val1, Long val2) {return val1 + val2;}@Overridepublic Long zero() {return 0L;}}

?

　　當你使用aggregate?方法代替PartitionAggregate時，CombinerAggregator的好處就體現(xiàn)出來了，因為Trident會自動優(yōu)化計算，在網(wǎng)絡(luò)傳輸tuples之前做局部聚合。

　　我們再來看一下ReducerAggregator，ReducerAggregator的定義如下：

public interface ReducerAggregator<T> extends Serializable {T init();T reduce(T curr, TridentTuple tuple); }

?

　　ReducerAggregator通過init方法提供一個初始值，然后為輸入的每個tuple迭代這個值，最終產(chǎn)生一個唯一的tuple并輸出，定義一個實例如下：

public class ReducerCount implements ReducerAggregator<Long>{@Overridepublic Long init() {return 0L;}@Overridepublic Long reduce(Long curr, TridentTuple tuple) {return curr + 1;}}

?

　　最后看一下通用的聚合器Aggregator，它的定義如下：

public interface Aggregator<T> extends Operation {T init(Object batchId, TridentCollector collector);void aggregate(T val, TridentTuple tuple, TridentCollector collector);void complete(T val, TridentCollector collector); }

　　Aggregator接口可以發(fā)射含任意數(shù)量屬性的任意數(shù)據(jù)量的tuples,并且可以在執(zhí)行過程中的任何時候發(fā)射:
　　init:在處理數(shù)據(jù)之前被調(diào)用，它的返回值會作為一個狀態(tài)值傳遞給aggregate和complete方法
　　aggregate：用來處理每一個輸入的tuple，它可以更新狀態(tài)值也可以發(fā)射tuple
　　complete：當所有tuple都被處理完成后被調(diào)用

　　有時候我們需要執(zhí)行多個聚合器，這在Trident中稱為chaining

　　4.projection投影操作

　　投影操作的作用是僅僅保留stream指定字段的數(shù)據(jù)，和關(guān)系數(shù)據(jù)庫中投影的概念類似

二Repartitioning重定向操作

　　重定向操作是如何在各個任務間對tuples進行分區(qū)。分區(qū)的數(shù)量也有可能改變重定向的結(jié)果。重定向需要網(wǎng)絡(luò)傳輸，下面介紹下重定向函數(shù)：

shuffle：通過隨機分配算法來均衡tuple到各個分區(qū)

broadcast：每個tuple都被廣播到所有的分區(qū)，這種方式在drcp時非常有用，比如在每個分區(qū)上做stateQuery

partitionBy：根據(jù)指定的字段列表進行劃分，具體做法是用指定字段列表的hash值對分區(qū)個數(shù)做取模運算，確保相同字段列表的數(shù)據(jù)被劃分到同一個分區(qū)

global：所有的tuple都被發(fā)送到一個分區(qū)，這個分區(qū)用來處理整個Stream

batchGlobal：一個Batch中的所有tuple都被發(fā)送到同一個分區(qū)，不同的Batch會去往不同的分區(qū)

Partition：通過一個自定義的分區(qū)函數(shù)來進行分區(qū)，這個自定義函數(shù)實現(xiàn)了?backtype.storm.grouping.CustomStreamGrouping

?

三Aggragation聚合操作

　　Trident有aggregate和 persistentAggregate方法來做聚合操作。aggregate是獨立的運行在Stream的每個Batch上的，而persistentAggregate則是運行在Stream的所有Batch上并把運算結(jié)果存儲在state source中。 運行aggregate方法做全局聚合。當你用到 ReducerAggregator或Aggregator時，Stream首先被重定向到一個分區(qū)中，然后其中的聚合函數(shù)便在這個分區(qū)上運行。當你用到CombinerAggregator時，Trident會首先在每個分區(qū)上做局部聚合，然后把局部聚合后的結(jié)果重定向到一個分區(qū)，因此使用CombinerAggregator會更高效，可能的話我們需要優(yōu)先考慮使用它。

四Grouped streams

　　GroupBy操作是根據(jù)特定的字段對流進行重定向的，還有，在一個分區(qū)內(nèi)部，每個相同字段的tuple也會被Group到一起。如果你在grouped Stream上面運行aggregators，聚合操作會運行在每個Group中而不是整個Batch。persistentAggregate也能運行在GroupedSteam上，不過結(jié)果會被保存在MapState中，其中的key便是分組的字段。 當然，aggregators在GroupedStreams上也可以串聯(lián)。

五Merge和Join

　　api的最后一部分便是如何把各種流匯聚到一起。最簡單的方式就是把這些流匯聚成一個流。我們可以這么做：　　

topology.merge(stream1, stream2, stream3);

?

　　另一種合并流的方式就是join。一個標準的join就像是一個sql,必須有標準的輸入，因此，join只針對符合條件的Stream。join應用在來自Spout的每一個小Batch中。join時候的tuple會包含：
　　1.join的字段，如Stream1中的key和Stream2中的x

　　2.所有非join的字段，根據(jù)傳入join方法的順序，a和b分別代表steam1的val1和val2，c代表Stream2的val1

　　當join的是來源于不同Spout的stream時，這些Spout在發(fā)射數(shù)據(jù)時需要同步，一個Batch所包含的tuple會來自各個Spout。

?

?

?

?

轉(zhuǎn)載于:https://www.cnblogs.com/senlinyang/p/8081447.html

總結(jié)

以上是生活随笔為你收集整理的Storm Trident API的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。