apache-storm - 如何查看正在运行的 Storm 拓扑的当前输出?
问题描述
目前正在学习如何使用 Storm(2.1.0 版),我对这个数据流处理 (DSP) 引擎的特定方面有点困惑:如何处理输出数据?教程对系统设置和运行我们的第一个应用程序提供了很好的解释。不幸的是,我没有找到提供拓扑生成结果详细信息的页面。
对于 DSP 应用程序,没有最终输出,因为输入数据是连续传入的数据流(或者我们可以说当应用程序停止时有最终输出)。我想要的是能够看到正在运行的拓扑的当前输出状态(当前生成的实际输出数据)。
我能够运行WordCountTopology。我了解此拓扑的输出是由以下代码片段生成的:
public static class WordCount extends BaseBasicBolt {
Map<String, Integer> counts = new HashMap<String, Integer>();
@Override
public void execute(Tuple tuple, BasicOutputCollector collector) {
String word = tuple.getString(0);
Integer count = counts.get(word);
if (count == null) {
count = 0;
}
count++;
counts.put(word, count);
collector.emit(new Values(word, count));
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields("word", "count"));
}
}
我的误解是关于<"word":string, "count":int>
输出的位置。它只是在内存中,写在某处的数据库中,写在文件中吗?
进一步探讨这个问题:存储正在进行的输出数据的现有可能性是什么?处理此类数据的“好方法”是什么?
我希望我的问题不要太天真。并感谢 StackOverflow 社区始终提供良好的帮助。
解决方案
自从我发布这个问题以来已经过去了几天。我回来与您分享我的尝试。虽然我无法判断这是否是正确的做法,但以下两个命题回答了我的问题。
简单 System.out.println()
我尝试的第一件事是System.out.println("Hello World!")
直接在prepare()
我的BaseBasicBolt方法中创建一个。此方法仅在每个 Bolt 线程执行开始时调用一次。
public void prepare(Map topoConf, TopologyContext context) {
System.out.println("Hello World!");
}
最大的挑战是弄清楚日志的写入位置。默认情况下,它写在请求的工作程序/插槽的端口所在的位置<storm installation folder>/logs/workers-artifacts/<topology name>/<worker-port>/worker.log
。<worker-port>
例如,conf.setNumWorkers(3)
拓扑请求访问 3 个工作人员(3 个插槽)。因此, 的值<worker-port>
将是 6700、6701 和 6702。这些值是 3 个插槽的端口号(在storm.yaml
下定义supervisor.slots.ports
)。
注意:您将拥有与BaseBasicBolt平行大小一样多的“ Hello World! ” 。当split bolt 用 实例化时,它会产生 8 个并行线程,每个线程都写入自己的日志。builder.setBolt("split", new SplitSentence(), 8)
写入文件
出于研究目的,我必须以特定格式分析我需要的大量日志。我找到的解决方案是将日志附加到每个螺栓管理的特定文件中。
以下是我自己为计数螺栓实现的文件日志记录解决方案。
public static class WordCount extends BaseBasicBolt {
private String workerName;
private FileWriter fw;
private BufferedWriter bw;
private PrintWriter out;
private String logFile = "/var/log/storm/count.log";
private Map<String, Integer> counts = new HashMap<String, Integer>();
public void prepare(Map topoConf, TopologyContext context) {
this.workerName = this.toString();
try {
this.fw = new FileWriter(logFile, true);
this.bw = new BufferedWriter(fw);
this.out = new PrintWriter(bw);
} catch (Exception e) {
System.out.println(e);
}
}
@Override
public void execute(Tuple tuple, BasicOutputCollector collector) {
String word = tuple.getString(0);
Integer count = counts.get(word);
if (count == null) {
count = 0;
}
count++;
counts.put(word, count);
collector.emit(new Values(word, count));
out.println(this.workerName + ": Hello World!");
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields("word", "count"));
}
}
在这段代码中,我的日志文件位于该文件的末尾/var/log/storm/count.log
并调用out.println(text)
附加。text
由于我不确定它是否是线程安全的,所有并行线程同时写入同一个文件可能会导致数据丢失。
注意:如果你的 bolts 分布在多台机器上,每台机器都有自己的日志文件。在我的测试过程中,我配置了一个带有 1 台机器的简单集群(运行 Nimbus + Supervisor + UI),因此我只有 1 个日志文件。
结论
有多种方法可以处理输出数据,更普遍的是使用 Storm 记录任何内容。我没有找到任何官方的方式来做这件事,并且关于这个主题的文档非常简单。
虽然我们中的一些人会对简单sysout.println()
的 . 使用 Java 可以做的任何事情都可以使用 Storm,因为它是简单的 Java 编程。
任何完成此答案的建议和其他评论将不胜感激。
推荐阅读
- nix - 我的 .config/nixpkgs/config.nix 文件未加载
- python - 在 discord.py 中无法获得语音频道
- java - 如何在没有 setter 方法的情况下设置值?
- batch-file - 重命名字符“=”和“!”
- oracle - 在 Mule 4 中将 XML 写入 Oracle 表时如何强制执行编码格式?
- c - 在这个确定数字是否是回文的程序中,我不知道出了什么问题?我认为 scanf 甚至没有价值
- javascript - 将图像从浏览器中的 js 按钮传递到 Tensorflow.js
- ruby-on-rails - 当我想编辑他时保留我的评论内容
- google-cloud-platform - 具有项目所有者的 GCP 服务帐户可以授予用户帐户权限吗?
- arrays - Firebase Swiftui isNotEqualTo 一个数组