对于Storm，它有一个很重要的特性：“Guarantee no data loss” ——可靠性
很显然，要做到这个特性，必须要track每个data的去向和结果。Storm是如何做到的呢——acker机制。
先概括下acker所参与的工作流程：
- Spout创建一个新的Tuple时，会发一个消息通知acker去跟踪；
- Bolt在处理Tuple成功或失败后，也会发一个消息通知acker；
- acker会找到发射该Tuple的Spout，回调其ack或fail方法。
我们说RichBolt和BasicBolt的区别是后者会自动ack。那么是不是我们只要实现了Spout的ack或fail方法就能看到反馈了呢？
试试在RandomSpout(extends BaseRichSpout )中加入如下代码：
1 public class RandomSpout extends BaseRichSpout { 2 3 private SpoutOutputCollector collector; 4 5 private Random rand; 6 7 private static String[] sentences = new String[] {"edi:I'm happy", "marry:I'm angry", "john:I'm sad", "ted:I'm excited", "laden:I'm dangerous"}; 8 9 @Override 10 public void open(Map conf, TopologyContext context, 11 SpoutOutputCollector collector) { 12 this.collector = collector; 13 this.rand = new Random(); 14 } 15 16 @Override 17 public void nextTuple() { 18 String toSay = sentences[rand.nextInt(sentences.length)]; 19 this.collector.emit(new Values(toSay)); 20 } 21 22 @Override 23 public void declareOutputFields(OutputFieldsDeclarer declarer) { 24 declarer.declare(new Fields("sentence")); 25 } 26 27 }
1 @Override 2 3 public void ack(Object msgId) { 4 5 System.err.println("ack " + msgId); 6 7 } 8 9 @Override 10 11 public void fail(Object msgId) { 12 13 System.err.println("fail " + msgId); 14 15 }
疑问：重新运行ExclaimBasicTopo,看下结果。并没有任何的ack 和 fail 出现？
分析：原因是，Storm要求如果要track一个Tuple，必须要指定其messageId，也就是回调回ack和fail方法的参数。如果我们不指定，Storm是不会去track该tuple的，即不保证消息丢失！
探讨：我们改下Spout代码，为每个消息加入一个唯一Id。同时，为了方便看结果，加入更多的打印，并且靠sleep减慢发送速度。（只是为了演示！）
1 public class RandomSpout extends BaseRichSpout { 2 3 private SpoutOutputCollector collector; 4 5 private Random rand; 6 7 private AtomicInteger counter; 8 9 private static String[] sentences = new String[] {"edi:I'm happy", "marry:I'm angry", "john:I'm sad", "ted:I'm excited", "laden:I'm dangerous"}; 10 11 @Override 12 13 public void open(Map conf, TopologyContext context, 14 15 SpoutOutputCollector collector) { 16 17 this.collector = collector; 18 19 this.rand = new Random(); 20 21 counter = new AtomicInteger(); 22 23 } 24 25 @Override 26 27 public void nextTuple() { 28 29 Utils.sleep(5000); 30 31 String toSay = sentences[rand.nextInt(sentences.length)]; 32 33 int msgId = this.counter.getAndIncrement(); 34 35 toSay = "["+ msgId + "]"+ toSay; 36 37 PrintHelper.print("Send " + toSay ); 38 39 this.collector.emit(new Values(toSay), msgId); 40 41 } 42 43 @Override 44 45 public void declareOutputFields(OutputFieldsDeclarer declarer) { 46 47 declarer.declare(new Fields("sentence")); 48 49 } 50 51 @Override 52 53 public void ack(Object msgId) { 54 55 PrintHelper.print("ack " + msgId); 56 57 } 58 59 @Override 60 61 public void fail(Object msgId) { 62 63 PrintHelper.print("fail " + msgId); 64 65 } 66 67 }
PrintHelper类：
1 public class PrintHelper { 2 3 private static SimpleDateFormat sf = new SimpleDateFormat("mm:ss:SSS"); 4 5 public static void print(String out){ 6 7 System.err.println(sf.format(new Date()) + " [" + Thread.currentThread().getName() + "] " + out); 8 9 } 10 11 }
同时把PrintBolt里面打印也换成PrintHelper.print打印
看下打印结果：
1 53:33:891 [Thread-26-spout] Send [0]ted:I'm excited 2 53:33:896 [Thread-20-print] Bolt[0] String recieved: [0]ted:I'm excited! 3 53:38:895 [Thread-26-spout] Send [1]edi:I'm happy 4 53:38:895 [Thread-22-print] Bolt[1] String recieved: [1]edi:I'm happy! 5 53:38:895 [Thread-26-spout] ack 0 6 53:43:896 [Thread-26-spout] Send [2]edi:I'm happy 7 53:43:896 [Thread-22-print] Bolt[1] String recieved: [2]edi:I'm happy! 8 53:43:896 [Thread-26-spout] ack 1 9 53:48:896 [Thread-26-spout] Send [3]edi:I'm happy 10 53:48:896 [Thread-26-spout] ack 2 11 53:48:896 [Thread-24-print] Bolt[2] String recieved: [3]edi:I'm happy! 12 53:53:896 [Thread-26-spout] Send [4]ted:I'm excited 13 53:53:896 [Thread-26-spout] ack 3 14 53:53:896 [Thread-20-print] Bolt[0] String recieved: [4]ted:I'm excited! 15 53:58:897 [Thread-26-spout] Send [5]laden:I'm dangerous 16 53:58:897 [Thread-26-spout] ack 4 17 53:58:898 [Thread-24-print] Bolt[2] String recieved: [5]laden:I'm dangerous!
很明显看到：
- 并发度为1的Spout确实是一个线程，并发度为3的Bolt确实是三个线程；
- 消息完全处理完成后，确实回调了ack(Object msgId)方法，而且msgId的值，即为我们emit的msgId；
- 虽然我们在topology中定义了两个bolt，但实际上ack对于每个tuple只调用了一次；
- spout发出tuple后，Bolt很快就完成了，但是ack直到5秒后spout醒来才打印。
Tuple树
对于Spout创建的Tuple，在topology定义的流水线中经过Bolt处理时，可能会产生一个或多个新的Tuple。源Tuple+新产生的Tuple构成了一个Tuple树。当整棵树被处理完成，才算一个Tuple被完全处理，其中任何一个节点的Tuple处理失败或超时，则整棵树失败。
超时的值，可以通过定义topology时，conf.setMessageTimeoutSecs方法指定。
Anchor
在我们例子中ExclaimRichBolt用
附注：
1 public class ExclaimBasicBolt extends BaseBasicBolt { 2 3 @Override 4 public void execute(Tuple tuple, BasicOutputCollector collector) { 5 //String sentence = tuple.getString(0); 6 String sentence = (String) tuple.getValue(0); 7 String out = sentence + "!"; 8 collector.emit(new Values(out)); 9 } 10 11 @Override 12 public void declareOutputFields(OutputFieldsDeclarer declarer) { 13 declarer.declare(new Fields("excl_sentence")); 14 } 15 16 }
collector.emit(inputTule, new Values(newTupleValue));
发射一个新的tuple。
第一个参数是传入Bolt的tuple，第二个参数是新产生的tuple的value，这种emit的方式，在Storm中称为: "anchor"。
Tuple的ack
前面我们一直提到acker，看到这里，你应该能猜出acker其实就是Storm里面track一个Tuple保证其一定被处理的功能。acker也是一个component。
我们来看看acker的工作流程：
1. Spout在初始化时会产生一个tasksId；
2. Spout中创建新的Tuple，其id是一个64位的随机数；
3. Spout将新建的Tuple发送出去(给出了messageId来开启Tuple的追踪), 同时会发送一个消息到某个acker，要求acker进行追踪。该消息包含两部分：
- Spout的taskId：用户acker在整个tuple树被完全处理后找到原始的Spout进行回调ack或fail
- 一个64位的ack val值： 标志该tuple是否被完全处理。初始值为0。
4. 一个Bolt在处理完Tuple后，如果发射了一个新的anchor tuple，Storm会维护anchor tuple的列表；
5. 该Bolt调用OutputCollector.ack()时，Storm会做如下操作：
- 将anchor tuple列表中每个已经ack过的和新创建的Tuple的id做异或(XOR)。假定Spout发出的TupleID是tuple-id-0，该Bolt新生成的TupleID为tuple-id-1，那么，tuple-id-0XORtuple-id-0XOR tuple-id-1
- Storm根据该原始TupleID进行一致性hash算法，找到最开始Spout发送的那个acker，然后把上面异或后得出的ack val值发送给acker
6. acker收到新的ack val值后，与保存的原始的Tuple的id进行异或，如果为0，表示该Tuple已被完全处理，则根据其taskId找到原始的Spout，回调其ack()方法。
fail的机制类似，在发现fail后直接回调Spout的fail方法。
——Storm就是通过这个acker的机制来保证数据不丢失。
回头再看看上面的打印结果，b、c两条得到很好的解释了。那d是为什么呢？
在最开始时，我曾经提到过,Storm的设计模型中，Spout是源源不断的产生数据的，所以其nextTuple()方法在任何时候不应该被打断。ack，fail 和 nextTuple是在同一个线程中完成的。
所以，虽然acker发现一个Tuple已经完全处理完成，但是由于Spout线程在Sleep，无法回调。
在设计中，我们应尽量避免在Spout、Bolt中去Sleep。如果确实需要控制，最好用异步线程来做，例如用异步线程读取数据到队列，再由Spout去取队列中数据。异步线程可以随意控制速度等。
另外，
Storm是否会自动重发失败的Tuple？
这里答案已经很明显了。fail方法如何实现取决于你自己。只有在fail中做了重发机制，才有重发。
注：Trident除外。这是Storm提供的特殊的事务性API，它确实会帮你自动重发的。
Unanchor
如果我们在Bolt中用OutputCollector.emit()发射一个新的Tuple时，并没有指定输入的Tuple(IBasicBolt的实现类用的是BasicOutPutCollector，其emit方法实际上还是调用OutputCollector.emit()，只不过内部会帮你填上输入的Tuple)，那么行为称之为“Unanchor”。
是否用Unanchor方式取决于你的实现。
调整可靠性
- 在build topology时，设置acker数目为0，即conf.setNumAckers(0);
- 在Spout中，不指定messageId，使得Storm无法追踪；
- 在Bolt中，使用Unanchor方式发射新的Tuple。
