目前,我正在开展一个项目,在该项目中,我在四台 Unix 主机上设置了一个 Storm 集群。
拓扑本身如下:
- JMS Spout 监听 MQ 以获取新消息
- JMS Spout 解析然后将结果发送给 Esper Bolt
- Esper Bolt 然后处理事件并将结果发送到 JMS Bolt
- 然后 JMS Bolt 将关于不同主题的消息发布回 MQ
我意识到 Storm 是一个“至少一次”的框架。但是,如果我收到 5 个事件并将这些事件传递给 Esper Bolt 进行计数,那么由于某种原因我在 JMS Bolt 中收到 5 个计数结果(所有值相同)。
理想情况下,我想接收一个结果输出,有什么方法可以让 Storm 忽略重复的元组吗?
我认为这与我设置的并行性有关,因为当我只有一个线程时它会按预期工作:
TopologyBuilder builder = new TopologyBuilder();
builder.setSpout(JMS_DATA_SPOUT, new JMSDataSpout(),2).setNumTasks(2);
builder.setBolt("esperBolt", new EsperBolt.Builder().build(),6).setNumTasks(6)
.fieldsGrouping(JMS_DATA_SPOUT,new Fields("eventGrouping"));
builder.setBolt("jmsBolt", new JMSBolt(),2).setNumTasks(2).fieldsGrouping("esperBolt", new Fields("eventName"));
我还看到了 Trident 的“exactly-once”语义。不过,我并不完全相信这会解决这个问题。
最佳答案
如果您的 Esper Bolt 没有在其 execute() 方法末尾显式确认()每个元组或使用 iBasicBolt 实现,那么它接收到的每个元组最终将在超时后由您的源 JMS Spout 重放。
或者,如果您要求您的 bolt “仅处理唯一消息”,请考虑将此处理行为添加到您的 execute() 方法中。它可以首先检查本地 Guava 缓存中的元组值的唯一性,然后进行相应的处理。
关于java - Storm 集群重复元组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23764293/