storm-kafka源码走读之KafkaSpout

from: http://blog.csdn.net/wzhg0508/article/details/40903919

（五）storm-kafka源码走读之KafkaSpout

原创 2014年11月08日 14:09:06

• 标签：
• Storm /
• kafka /
• 大数据 /
• 实时计算

• 3458

现在开始介绍KafkaSpout源码了。

开始时，在open方法中做一些初始化，

 

[java]  view plain  copy

 

1. ........................  
2.   
3.         _state = new ZkState(stateConf);  
4.   
5.         _connections = new DynamicPartitionConnections(_spoutConfig, KafkaUtils.makeBrokerReader(conf, _spoutConfig));  
6.   
7.         // using TransactionalState like this is a hack  
8.         int totalTasks = context.getComponentTasks(context.getThisComponentId()).size();  
9.         if (_spoutConfig.hosts instanceof StaticHosts) {  
10.             _coordinator = new StaticCoordinator(_connections, conf, _spoutConfig, _state, context.getThisTaskIndex(), totalTasks, _uuid);  
11.         } else {  
12.             _coordinator = new ZkCoordinator(_connections, conf, _spoutConfig, _state, context.getThisTaskIndex(), totalTasks, _uuid);  
13.         }  
14. ............  

前后省略了一些代码，关于metric这系列暂时不介绍。主要是初始化Zookeeper连接zkstate，把kafka Partition 与broker关系对应起来（初始化DynamicPartitionConnections），在DynamicPartitionConnections构造函数需要传入一个brokerReader，我们是zkHosts，看KafkaUtils代码就知道采用的是ZkBrokerReader，来看下ZkBrokerReader的构造函数代码

 

 

[java]  view plain  copy

 

1. public ZkBrokerReader(Map conf, String topic, ZkHosts hosts) {  
2.         try {  
3.             reader = new DynamicBrokersReader(conf, hosts.brokerZkStr, hosts.brokerZkPath, topic);  
4.             cachedBrokers = reader.getBrokerInfo();  
5.             lastRefreshTimeMs = System.currentTimeMillis();  
6.             refreshMillis = hosts.refreshFreqSecs * 1000L;  
7.         } catch (java.net.SocketTimeoutException e) {  
8.             LOG.warn("Failed to update brokers", e);  
9.         }  
10.   
11.     }  

有一个refreshMillis参数，这个参数是定时更新zk中partition的信息，

 

 

[java]  view plain  copy

 

1. //ZkBrokerReader  
2.     @Override  
3.     public GlobalPartitionInformation getCurrentBrokers() {  
4.         long currTime = System.currentTimeMillis();  
5.         if (currTime > lastRefreshTimeMs + refreshMillis) { // 当前时间大于和上次更新时间之差大于refreshMillis  
6.             try {  
7.                 LOG.info("brokers need refreshing because " + refreshMillis + "ms have expired");  
8.                 cachedBrokers = reader.getBrokerInfo();  
9.                 lastRefreshTimeMs = currTime;  
10.             } catch (java.net.SocketTimeoutException e) {  
11.                 LOG.warn("Failed to update brokers", e);  
12.             }  
13.         }  
14.         return cachedBrokers;  
15.     }  
16.     // 下面是调用DynamicBrokersReader 的代码  
17.     /** 
18.      * Get all partitions with their current leaders 
19.      */  
20.     public GlobalPartitionInformation getBrokerInfo() throws SocketTimeoutException {  
21.       GlobalPartitionInformation globalPartitionInformation = new GlobalPartitionInformation();  
22.         try {  
23.             int numPartitionsForTopic = getNumPartitions();  
24.             String brokerInfoPath = brokerPath();  
25.             for (int partition = 0; partition < numPartitionsForTopic; partition++) {  
26.                 int leader = getLeaderFor(partition);  
27.                 String path = brokerInfoPath + "/" + leader;  
28.                 try {  
29.                     byte[] brokerData = _curator.getData().forPath(path);  
30.                     Broker hp = getBrokerHost(brokerData);  
31.                     globalPartitionInformation.addPartition(partition, hp);  
32.                 } catch (org.apache.zookeeper.KeeperException.NoNodeException e) {  
33.                     LOG.error("Node {} does not exist ", path);  
34.                 }  
35.             }  
36.         } catch (SocketTimeoutException e) {  
37.                     throw e;  
38.         } catch (Exception e) {  
39.             throw new RuntimeException(e);  
40.         }  
41.         LOG.info("Read partition info from zookeeper: " + globalPartitionInformation);  
42.         return globalPartitionInformation;  
43.     }  

GlobalPartitionInformation是一个Iterator类，存放了paritition与broker之间的对应关系，DynamicPartitionConnections中维护Kafka Consumer与parittion之间的关系，每个Consumer读取哪些paritition信息。这个COnnectionInfo信息会在storm.kafka.ZkCoordinator中会被初始化和更新，需要提到的一点是一个KafkaSpout包含一个SimpleConsumer

 

 

[java]  view plain  copy

 

1. //storm.kafka.DynamicPartitionConnections  
2.     static class ConnectionInfo {  
3.         SimpleConsumer consumer;  
4.         Set<Integer> partitions = new HashSet();  
5.   
6.         public ConnectionInfo(SimpleConsumer consumer) {  
7.             this.consumer = consumer;  
8.         }  
9.     }  

 

 

再看ZkCoordinator类，看其构造函数

 

[java]  view plain  copy

 

1. //storm.kafka.ZkCoordinator  
2.     public ZkCoordinator(DynamicPartitionConnections connections, Map stormConf, SpoutConfig spoutConfig, ZkState state, int taskIndex, int totalTasks, String topologyInstanceId, DynamicBrokersReader reader) {  
3.         _spoutConfig = spoutConfig;  
4.         _connections = connections;  
5.         _taskIndex = taskIndex;  
6.         _totalTasks = totalTasks;  
7.         _topologyInstanceId = topologyInstanceId;  
8.         _stormConf = stormConf;  
9.         _state = state;  
10.         ZkHosts brokerConf = (ZkHosts) spoutConfig.hosts;  
11.         _refreshFreqMs = brokerConf.refreshFreqSecs * 1000;  
12.         _reader = reader;  
13.     }  

_refreshFreqMs就是定时更新zk partition到本地的操作，在kafkaSpout中nextTuple方法中每次都会去调用ZkCoordinator的getMyManagedPartitions方法。该方法根据_refreshFreqMs参数定时更新partition信息

 

 

[java]  view plain  copy

 

1. //storm.kafka.ZkCoordinator  
2.     @Override  
3.     public List<PartitionManager> getMyManagedPartitions() {  
4.         if (_lastRefreshTime == null || (System.currentTimeMillis() - _lastRefreshTime) > _refreshFreqMs) {  
5.             refresh();  
6.             _lastRefreshTime = System.currentTimeMillis();  
7.         }  
8.         return _cachedList;  
9.     }  
10.   
11.     @Override  
12.     public void refresh() {  
13.         try {  
14.             LOG.info(taskId(_taskIndex, _totalTasks) + "Refreshing partition manager connections");  
15.             GlobalPartitionInformation brokerInfo = _reader.getBrokerInfo();  
16.             List<Partition> mine = KafkaUtils.calculatePartitionsForTask(brokerInfo, _totalTasks, _taskIndex);  
17.   
18.             Set<Partition> curr = _managers.keySet();  
19.             Set<Partition> newPartitions = new HashSet<Partition>(mine);  
20.             newPartitions.removeAll(curr);  
21.   
22.             Set<Partition> deletedPartitions = new HashSet<Partition>(curr);  
23.             deletedPartitions.removeAll(mine);  
24.   
25.             LOG.info(taskId(_taskIndex, _totalTasks) + "Deleted partition managers: " + deletedPartitions.toString());  
26.   
27.             for (Partition id : deletedPartitions) {  
28.                 PartitionManager man = _managers.remove(id);  
29.                 man.close();  
30.             }  
31.             LOG.info(taskId(_taskIndex, _totalTasks) + "New partition managers: " + newPartitions.toString());  
32.   
33.             for (Partition id : newPartitions) {  
34.                 PartitionManager man = new PartitionManager(_connections, _topologyInstanceId, _state, _stormConf, _spoutConfig, id);  
35.                 _managers.put(id, man);  
36.             }  
37.   
38.         } catch (Exception e) {  
39.             throw new RuntimeException(e);  
40.         }  
41.         _cachedList = new ArrayList<PartitionManager>(_managers.values());  
42.         LOG.info(taskId(_taskIndex, _totalTasks) + "Finished refreshing");  
43.     }  

其中每个Consumer分配partition的算法是KafkaUtils.calculatePartitionsForTask(brokerInfo, _totalTasks, _taskIndex);

 

主要做的工作就是获取并行的task数，与当前partition做比较，得出一个COnsumer要负责哪些parititons的读取，具体算法去kafka文档吧

以上在KafkaSpout中做完了初始化操作，下面开始取数据发射数据了，来看nextTuple方法

 

[java]  view plain  copy

 

1. // storm.kafka.KafkaSpout  
2.     @Override  
3.     public void nextTuple() {  
4.         List<PartitionManager> managers = _coordinator.getMyManagedPartitions();  
5.         for (int i = 0; i < managers.size(); i++) {  
6.   
7.             try {  
8.                 // in case the number of managers decreased  
9.                 _currPartitionIndex = _currPartitionIndex % managers.size();  
10.                 EmitState state = managers.get(_currPartitionIndex).next(_collector);  
11.                 if (state != EmitState.EMITTED_MORE_LEFT) {  
12.                     _currPartitionIndex = (_currPartitionIndex + 1) % managers.size();  
13.                 }  
14.                 if (state != EmitState.NO_EMITTED) {  
15.                     break;  
16.                 }  
17.             } catch (FailedFetchException e) {  
18.                 LOG.warn("Fetch failed", e);  
19.                 _coordinator.refresh();  
20.             }  
21.         }  
22.   
23.         long now = System.currentTimeMillis();  
24.         if ((now - _lastUpdateMs) > _spoutConfig.stateUpdateIntervalMs) {  
25.             commit();  
26.         }  
27.     }  

看完上述代码可知，所有的操作都是在PartitionManager中进行的，PartitionManager中会读取message信息，然后进行发射，主要逻辑在PartitionManager的next方法中

 

 

[java]  view plain  copy

 

1. //returns false if it's reached the end of current batch  
2.     public EmitState next(SpoutOutputCollector collector) {  
3.         if (_waitingToEmit.isEmpty()) {  
4.             fill();  
5.         }  
6.         while (true) {  
7.             MessageAndRealOffset toEmit = _waitingToEmit.pollFirst();  
8.             if (toEmit == null) {  
9.                 return EmitState.NO_EMITTED;  
10.             }  
11.             Iterable<List<Object>> tups = KafkaUtils.generateTuples(_spoutConfig, toEmit.msg);  
12.             if (tups != null) {  
13.                 for (List<Object> tup : tups) {  
14.                     collector.emit(tup, new KafkaMessageId(_partition, toEmit.offset));  
15.                 }  
16.                 break;  
17.             } else {  
18.                 ack(toEmit.offset);  
19.             }  
20.         }  
21.         if (!_waitingToEmit.isEmpty()) {  
22.             return EmitState.EMITTED_MORE_LEFT;  
23.         } else {  
24.             return EmitState.EMITTED_END;  
25.         }  
26.     }  

如果_waitingToEmit列表为空，则去读取msg，然后进行逐条发射，每发射一条，break一下，返回EMIT_MORE_LEFT给KafkaSpout的nextTuple方法中，，然后进行判断是否该paritition读取的一次读取的message buffer size是否已发射完毕，如果发射完毕就进行下一个partition 数据读取和发射，

 

注意的一点是，并不是一次把该partition的所有待发射的msg都发射完再commit offset到zk，而是发射一条，判断一下是否到了该commit的时候了（开始时设置的定时commit时间间隔），笔者认为这样做的原因是为了好控制fail

KafkaSpout中的ack，fail，commit操作全部交给了PartitionManager来做，看代码

 

[java]  view plain  copy

 

1. @Override  
2.     public void ack(Object msgId) {  
3.         KafkaMessageId id = (KafkaMessageId) msgId;  
4.         PartitionManager m = _coordinator.getManager(id.partition);  
5.         if (m != null) {  
6.             m.ack(id.offset);  
7.         }  
8.     }  
9.   
10.     @Override  
11.     public void fail(Object msgId) {  
12.         KafkaMessageId id = (KafkaMessageId) msgId;  
13.         PartitionManager m = _coordinator.getManager(id.partition);  
14.         if (m != null) {  
15.             m.fail(id.offset);  
16.         }  
17.     }  
18.   
19.     @Override  
20.     public void deactivate() {  
21.         commit();  
22.     }  
23.   
24.     @Override  
25.     public void declareOutputFields(OutputFieldsDeclarer declarer) {  
26.         declarer.declare(_spoutConfig.scheme.getOutputFields());  
27.     }  
28.   
29.     private void commit() {  
30.         _lastUpdateMs = System.currentTimeMillis();  
31.         for (PartitionManager manager : _coordinator.getMyManagedPartitions()) {  
32.             manager.commit();  
33.         }  
34.     }  

所以PartitionManager是KafkaSpout的核心，很晚了，都3点多了，后续会不上PartitionManager的分析，晚安

 

 

 

版权声明：本文为博主原创文章，未经博主允许不得转载。

• 本文已收录于以下专栏：
• Storm-kafka源码浅谈