storm 1.0版本滑动窗口的实现及原理-阿里云开发者社区

滑动窗口在监控和统计应用的场景比较广泛，比如每隔一段时间(10s)统计最近30s的请求量或者异常次数，根据请求或者异常次数采取相应措施。在storm1.0版本之前，没有提供关于滑动窗口的实现，需要开发者自己实现滑动窗口的功能（storm1.0以前实现滑动窗口的实现原理可以自行百度）。

原文和作者一起讨论:http://www.cnblogs.com/intsmaze/p/6481588.html

微信：intsmaze

这里主要演示在storm1.0以后如何通过继承storm1.0提供的类来快速开发出窗口滑动的功能。窗口可以从时间或数量上来划分，由如下两个因素决定：窗口的长度，可以是时间间隔或Tuple数量；滑动间隔(sliding Interval)，可以是时间间隔或Tuple数量。比如：每两秒统计最近6秒的请求数量；每接收2个Tuple就统计最近接收的6个Tuple的平均值......。

storm1.0支持的时间和数量的排列组合有如下：

withWindow(Count windowLength, Count slidingInterval)

　　每收到slidingInterval条数据统计最近的windowLength条数据。

withWindow(Count windowLength)

　　每收到1条数据统计最近的windowLength条数据。

withWindow(Count windowLength, Duration slidingInterval)

　　每过slidingInterval秒统计最近的windowLength条数据。

withWindow(Duration windowLength, Count slidingInterval)

　　每收到slidingInterval条数据统计最近的windowLength秒的数据。

withWindow(Duration windowLength, Duration slidingInterval)

　　每过slidingInterval秒统计最近的windowLength秒的数据。

public withWindow(Duration windowLength)

　　每收到1条数据统计最近的windowLength秒的数据。

接下来，简单的演示如何使用storm1.0实现滑动窗口的功能,先编写spout类，RandomSentenceSpout负责发送一个整形数值，数值每次发送都会自动加一，且RandomSentenceSpout固定每隔两秒向bolt发送一次数据。RandomSentenceSpout和前面关于spout的讲解一样。

1.public class RandomSentenceSpout extends BaseRichSpout {
2.
3.    private static final long serialVersionUID = 5028304756439810609L;  
4.
5.    private SpoutOutputCollector collector;  
6.
7.    int intsmaze=0;
8.
9.    public void declareOutputFields(OutputFieldsDeclarer declarer) {
10.        declarer.declare(new Fields("intsmaze"));
11.    }
12.
13.    public void open(Map conf, TopologyContext context, 
14.                          SpoutOutputCollector collector) {
15.        this.collector = collector;
16.    }
17.
18.    public void nextTuple() {
19.        System.out.println("发送数据:"+intsmaze);
20.        collector.emit(new Values(intsmaze++));
21.        try {
22.            Thread.sleep(2000);
23.//         Thread.sleep(1000);
24.        } catch (InterruptedException e) {
25.            e.printStackTrace();
26.        }
27.    }
}

滑动窗口的逻辑实现的重点是bolt类，这里我们编写SlidingWindowBolt类让它继承一个新的类名为BaseWindowedBolt来获得窗口计数的功能。BaseWindowedBolt和前面的BaseBaseBolt和BaseWindowedBolt提供的方法名都一样，只是execute方法的参数类型为TupleWindow,TupleWindow参数里面装载了一个窗口长度类的tuple数据。通过对TupleWindow遍历，我们可以计算这一个窗口内tuple数的平均值或总和等指标。具体见代码12-16行，统计了一个窗口内的数值型数据的总和。

1.public class SlidingWindowBolt extends BaseWindowedBolt {
2.
3.    private OutputCollector collector;
4.
5.    @Override
6.    public void prepare(Map stormConf, TopologyContext context, 
7.            OutputCollector collector) {
8.        this.collector = collector;
9.    }
10.
11.    public void execute(TupleWindow inputWindow) {        
12.        int sum=0;
13.        System.out.print("一个窗口内的数据");
14.        for(Tuple tuple: inputWindow.get()) {
15.            int str=(Integer) tuple.getValueByField("intsmaze");
16.            System.out.print(" "+str);
17.            sum+=str;
18.        }
19.        System.out.println("======="+sum);
20. //        collector.emit(new Values(sum));
21.    }
22.
23.    @Override
24.    public void declareOutputFields(OutputFieldsDeclarer declarer) {
25.//       declarer.declare(new Fields("count"));
26.    }
}

我们已经实现了窗口计数的逻辑代码，现在我们需要提供topology来指明各个组件的关系，以及指定SlidingWindowBolt的窗口的组合，这里我们演示了如何每两秒统计最近6秒的数值总和，如果注释掉10-13行代码，去掉5-8行的注释，这个topology就是告诉SlidingWindowBolt每接收到两条tuple就统计最近接收到的6条tuple的数值的总和。

1.public class WindowsTopology {
2.
3.    public static void main(String[] args) throws Exception {
4.       TopologyBuilder builder = new TopologyBuilder();
5.       builder.setSpout("spout1", new RandomSentenceSpout(), 1);
6.//       builder.setBolt("slidingwindowbolt", new SlidingWindowBolt()
7.//       .withWindow(new Count(6), new Count(2)),1)
8.//       .shuffleGrouping("spout");
9.//滑窗 窗口长度：tuple数, 滑动间隔: tuple数 每收到2条数据统计当前6条数据的总和。  
10.     
11.       builder.setBolt("slidingwindowbolt", new SlidingWindowBolt()
12.       .withWindow(new Duration(6, TimeUnit.SECONDS), 
13.               new Duration(2, TimeUnit.SECONDS)),1)
14.       .shuffleGrouping("spout");//每两秒统计最近6秒的数据       
15.
16.       Config conf = new Config();
17.       conf.setNumWorkers(1);
18.       LocalCluster cluster = new LocalCluster();
19.       cluster.submitTopology("word-count", conf, builder.createTopology());
20.   }
}

这里演示的是bolt节点并发度为1的窗口功能，实际生产中，因为数据量很大，往往将bolt节点的并发度设置为多个，这个时候我们的SlidingWindowBolt就无法统计出一个窗口的数值总和了。因为每一个bolt的并行节点只能统计自己一个窗口接收到数据的总和，无法统计出一个窗口内全局数据的总和，借助redis来实现是可以的，但是必须引入redis的事务机制或者借助分布式锁，否则会出现脏数据的情况。在这里我们介绍另一种实现方式就是灵活的使用storm提供的窗口功能，只是窗口的tuple数。

仍然是使用上面提供的类，只是我们增加一个bolt类，来统计每个SlidingWindowBolt节点发送给它的数值。

1.public class CountWord extends BaseWindowedBolt{
2.    
3.    private static final long serialVersionUID = -5283595260540124273L;
4.    
5.    private OutputCollector collector;
6.    
7.    public void prepare(Map stormConf, TopologyContext context
8.                             , OutputCollector collector) {
9.        this.collector = collector;
10.    }
11.    
12.    public void execute(TupleWindow inputWindow) {
13.         int sum=0;
14.         for(Tuple tuple: inputWindow.get()) {
15.             int i=(Integer) tuple.getValueByField("count");
16.               System.out.println("接收到一个bolt的总和值为:"+i);
17.               sum+=i;
18.          }
19.         System.out.println("一个窗口内的总值为:"+sum);
20.    }
21.
22.    public void declareOutputFields(OutputFieldsDeclarer declarer) {
23.    }
}

然后我们注释RandomSentenceSpout第22行代码，取消对23行代码的注释，方便观察结果。去掉SlidingWindowBolt类20和25行代码。

topology启动类如下：

1.public class WindowsTopology {
2.
3.    public static void main(String[] args) throws Exception {
4.       TopologyBuilder builder = new TopologyBuilder();
5.       builder.setSpout("spout", new RandomSentenceSpout(), 1);
6.       
7.       builder.setBolt("slidingwindowbolt", new SlidingWindowBolt()
8.       .withWindow(new Duration(6, TimeUnit.SECONDS), 
9.               new Duration(2, TimeUnit.SECONDS)),2)
10.       .shuffleGrouping("spout");//每两秒统计最近6秒的数据
11.       
12.       builder.setBolt("countwordbolt", new CountWord()
13.       .withWindow(new Count(2), new Count(2)),1)
14.       .shuffleGrouping("slidingwindowbolt");
15.       //每收到2条tuple就统计最近两条统的数据
16.       Config conf = new Config();
17.       conf.setNumWorkers(1);
18.       LocalCluster cluster = new LocalCluster();
19.       cluster.submitTopology("word-count", conf, builder.createTopology());
20.   }
}