摘要：1.概述JStorm是一个类似于Hadoop中的MapReduce的计算系统，是Alibaba的开源实时计算模型，使用Java编写本机Storm模型(Clojure和Java混合)
1 .概述JStorm是一个类似于Hadoop中MapReduce的计算系统，是Alibaba开源的实时计算模型。 使用Java重写本机Storm模型，将Clojure和Java混合创建。 而且，在原来的基础上做了很多改进。 用户只需根据指定的接口执行任务，并将该任务提交给JStorm系统，JStorm在收到任务指示后无中断地执行任务，并在出现异常且工作器发送故障时，调度程序会立即这次共享的目录结构如下所示。
使用场景的基本术语JStorm比较JStorm体系结构，现在开始今天的内容共享。
2 .从APP应用的角度看，APP应用场景JStorm在分布式APP应用的系统级类似于MapReduce这样的调度系统，在数据方面，它是基于流水数据的实时处理解决方案。 如今，在灾难恢复时代，用户和企业不仅需要离线数据，而且对数据的实时性要求也在提高。
初期，在Storm和JStorm没有出现之前，行业中有很多实时计算系统，可以说是百家争鸣，但自从Storm和JStorm诞生以来，基本上两者都占主要地位，原因如下。
易于开发：界面简单，使用方便，只需遵循Spout、Bolt及Topology编程规范即可开发可扩展的APP应用程序。 基础细节可以不深入探究其原因。 可扩展性：可以线性扩展性能。 容错：如果工作器异常或锁定，将自动分配新工作器进行工作。 数据准确性：包括Ack机制，避免数据丢失的风险。 运用事物的结构，提高数据的精度。 JStorm处理数据的方法流程基于流，因此用于以下处理：
日志分析：从收集到的日志中汇总特定的数据结果，并将汇总结果永久化到数据库等外部存储介质中。 目前，实时统计的主流使用的是JStorm和Storm。 消息传输：过滤收到的消息，然后重定向到另一个消息中间件进行保存。 3 .基本术语3.1 Stream在JStorm中有对Stream的抽象，它是一个不间断的无限连续Tuple，但JStorm在对事件流建模时，会将流中的事件抽象为未Tuple。 流程如下图所示。
3.2 Spout和Bolt在JStorm中认为每个Stream都有Tuple源—stream源，因此将其抽象为Spout，Spout可能是消息中间件，如MQ、Kafka等继续发送消息可能是继续从一个队列读取队列的元数据。
如果有Spout，接下来如何处理相关内容？ 用同样的思想，将JStorm的处理过程抽象为Bolt。 Bolt能够消耗任意数量的输入流，只要在该Bolt上引导流的方向即可。 同时，也可以发送新流用于其他Bolt。 因此，只要打开特定的Spout，使Spout流出即可。
那么，通过上述说明，其实，我们可以通过形象的比喻来理解这个流程。 Spout被认为是一个个水龙头。 而且，每个水龙头的水都不一样。 我们如果想消耗那个水，就打开对应的水龙头，用管道把水龙头里的水引到一个水处理装置，也就是Bolt。 水处理装置处理后，使用管道导向另一个处理装置，或落入存储介质中。 流程如下图所示。
3.3拓扑
如图所示，这是有向图。 JStorm将该图表抽象为拓扑。 这是JStorm中最高级别的抽象概念，可以在代码级别直接与JStorm交互，并提交给JStorm集群执行相应的任务。 拓扑是数据流转换图，图中的各个节点是输出
3.4 Tuple JStorm将流中的数据抽象为Tuple。 一个Tuple是一个值列表。 List值的每个Value都有一个Name，其Value可以是基本类型、字符类型、字节数组等，当然也可以是其它可序列化类型。 拓扑的各个节点必须说明发射的t
uple的字段的Name，其它节点只需要订阅该Name就可以接收处理相应的内容。 3.5 Worker和TaskWork和Task在JStorm中的职责是一个执行单元，一个Worker表示一个进程，一个Task表示一个线程，一个Worker可以运 行多个Task。而Worker可以通过setNumWorkers(int workers)方法来设置对应的数目，表示这个Topology运行在多个JVM（PS：一个JVM为一个进程，即一个Worker）；另外 setSpout(String id, IRichSpout spout, Number parallelism_hint)和setBolt(String id, IRichBolt bolt,Number parallelism_hint)方法中的参数parallelism_hint代表这样一个Spout或Bolt有多少个实例，即对应多少个线程，一 个实例对应一个线程。
3.6 Slot在JStorm当中，Slot的类型分为四种，他们分别是：CPU，Memory，Disk，Port；与Storm有所区别（Storm局限 于Port）。一个Supervisor可以提供的对象有：CPU Slot、Memory Slot、Disk Slot以及Port Slot。
在JStorm中，一个Worker消耗一个Port Slot，默认一个Task会消耗一个CPU Slot和一个Memory Slot在Task执行较多的任务时，可以申请更多的CPU Slot在Task需要更多的内存时，可以申请更多的额Memory Slot在Task磁盘IO较多时，可以申请Disk Slot 4.JStorm比较当前JStorm已经更新到2.x版本了，较于Storm而言，JStorm在一个Nimbus宕机后，会自动的热切到备份的Nimbus，实现了HA特性。对比与其它的数据产品而言，如下所示：
Flume：一个成熟的产品，目前很多企业的日志收集系统均基于此套件开发，可以将数据收集后做一些计算与分析。S4：它是一个通用的，可扩展的，分布式的，容错，可插拔的平台，使程序员可以很容易地开发用于处理无界的连续数据流应用。数据准确性较差，数据丢失的风险无法规避，导致其发展不是很迅速，社区活跃度不够高。AKKA：一个Actor模型，系统模型强大，可以做任何你想做的时，当时很多工作都需要自己亲自动手去实现，如序列化、Topology的生成等。Spark：基于内存计算的MapReduce模型，偏重于数据批量处理。 5.JStorm架构从设计层面来说，JStorm是一个典型的调度系统。在这个系统中，有以下内容：
角色作用Nimbus调度器SupervisorWorker的代理角色，负责Kill掉Worker和运行WorkerWorkerTask的容器Task任务的执行者ZooKeeper系统的协调者其整体架构图，如下所示：
6.总结本篇博客给大家分享了JStorm的相关内容，其中包含一些基本概念，与Storm的区别，它的架构图等内容，后续会大家介绍如何去部署JStorm的相关内容，以及它的编程方式，API的用法等内容会用一些案例给大家去一一的赘述。
7.结束语这篇博客就和大家分享到这里，如果大家在研究学习的过程当中有什么问题，可以加群进行讨论或发送邮件给我，我会尽我所能为您解答，与君共勉！
版权声明：本文内容由互联网用户自发贡献，版权归作者所有，本社区不拥有所有权，也不承担相关法律责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件至： yqgroup@service.aliyun.com 进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容。