成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

你真的了解實時計算嗎?

移動開發
實時計算是什么?你了解實時計算嗎?

??

實時計算是什么?

請看下面的圖:

這里寫圖片描述

我們以熱賣產品的統計為例,看下傳統的計算手段:

  1. 將用戶行為、log等信息清洗后保存在數據庫中.
  2. 將訂單信息保存在數據庫中.
  3. 利用觸發器或者協程等方式建立本地索引,或者遠程的獨立索引.
  4. join訂單信息、訂單明細、用戶信息、商品信息等等表,聚合統計20分鐘內熱賣產品,并返回top-10.
  5. web或app展示.

這是一個假想的場景,但假設你具有處理類似場景的經驗,應該會體會到這樣一些問題和難處:

  1. 水平擴展問題(scale-out)
    顯然,如果是一個具有一定規模的電子商務網站,數據量都是很大的。而交易信息因為涉及事務,所以很難直接舍棄關系型數據庫的事務能力,遷移到具有更好的scale-out能力的NoSQL數據庫中。

    那么,一般都會做sharding。歷史數據還好說,我們可以按日期來歸檔,并可以通過批處理式的離線計算,將結果緩存起來。
    但是,這里的要求是20分鐘內,這很難。
  2. 性能問題
    這個問題,和scale-out是一致的,假設我們做了sharding,因為表分散在各個節點中,所以我們需要多次入庫,并在業務層做聚合計算。

    問題是,20分鐘的時間要求,我們需要入庫多少次呢?
    10分鐘呢?
    5分鐘呢?
    實時呢?
    而且,業務層也同樣面臨著單點計算能力的局限,需要水平擴展,那么還需要考慮一致性的問題。
    所以,到這里一切都顯得很復雜。
  3. 業務擴展問題
    假設我們不僅僅要處理熱賣商品的統計,還要統計廣告點擊、或者迅速根據用戶的訪問行為判斷用戶特征以調整其所見的信息,更加符合用戶的潛在需求等,那么業務層將會更加復雜。

也許你有更好的辦法,但實際上,我們需要的是一種新的認知:


這個世界發生的事,是實時的。
所以我們需要一種實時計算的模型,而不是批處理模型。
我們需要的這種模型,必須能夠處理很大的數據,所以要有很好的scale-out能力,***是,我們都不需要考慮太多一致性、復制的問題。


那么,這種計算模型就是實時計算模型,也可以認為是流式計算模型。

現在假設我們有了這樣的模型,我們就可以愉快地設計新的業務場景:

  1. 轉發最多的微博是什么?
  2. 最熱賣的商品有哪些?
  3. 大家都在搜索的熱點是什么?
  4. 我們哪個廣告,在哪個位置,被點擊最多?

或者說,我們可以問:


這個世界,在發生什么?


最熱的微博話題是什么?

我們以一個簡單的滑動窗口計數的問題,來揭開所謂實時計算的神秘面紗。

假設,我們的業務要求是:


統計20分鐘內最熱的10個微博話題。


解決這個問題,我們需要考慮:

  1. 數據源
    這里,假設我們的數據,來自微博長連接推送的話題。
  2. 問題建模
    我們認為的話題是#號擴起來的話題,最熱的話題是此話題出現的次數比其它話題都要多。
    比如:@foreach_break : 你好,#世界#,我愛你,#微博#。
    “世界”和“微博”就是話題。
  3. 計算引擎
    我們采用storm。
  4. 定義時間

如何定義時間?

時間的定義是一件很難的事情,取決于所需的精度是多少。
根據實際,我們一般采用tick來表示時刻這一概念。

在storm的基礎設施中,executor啟動階段,采用了定時器來觸發“過了一段時間”這個事件。
如下所示:

(defn setup-ticks! [worker executor-data]
(let [storm-conf (:storm-conf executor-data)
tick-time-secs (storm-conf TOPOLOGY-TICK-TUPLE-FREQ-SECS)
receive-queue (:receive-queue executor-data)
context (:worker-context executor-data)]
(when tick-time-secs
(if (or (system-id? (:component-id executor-data))
(and (= false (storm-conf TOPOLOGY-ENABLE-MESSAGE-TIMEOUTS))
(= :spout (:type executor-data))))
(log-message "Timeouts disabled for executor " (:component-id executor-data) ":" (:executor-id executor-data))
(schedule-recurring
(:user-timer worker)
tick-time-secs
tick-time-secs
(fn []
(disruptor/publish
receive-queue
[[nil (TupleImpl. context [tick-time-secs] Constants/SYSTEM_TASK_ID Constants/SYSTEM_TICK_STREAM_ID)]]
)))))))

之前的博文中,已經詳細分析了這些基礎設施的關系,不理解的童鞋可以翻看前面的文章。

每隔一段時間,就會觸發這樣一個事件,當流的下游的bolt收到一個這樣的事件時,就可以選擇是增量計數還是將結果聚合并發送到流中。

bolt如何判斷收到的tuple表示的是“tick”呢?
負責管理bolt的executor線程,從其訂閱的消息隊列消費消息時,會調用到bolt的execute方法,那么,可以在execute中這樣判斷:

public static boolean isTick(Tuple tuple) {
return tuple != null
&& Constants.SYSTEM_COMPONENT_ID .equals(tuple.getSourceComponent())
&& Constants.SYSTEM_TICK_STREAM_ID.equals(tuple.getSourceStreamId());
}

結合上面的setup-tick!的clojure代碼,我們可以知道SYSTEM_TICK_STREAM_ID在定時事件的回調中就以構造函數的參數傳遞給了tuple,那么SYSTEM_COMPONENT_ID是如何來的呢?
可以看到,下面的代碼中,SYSTEM_TASK_ID同樣傳給了tuple:

;; 請注意SYSTEM_TASK_ID和SYSTEM_TICK_STREAM_ID
(TupleImpl. context [tick-time-secs] Constants/SYSTEM_TASK_ID Constants/SYSTEM_TICK_STREAM_ID)

然后利用下面的代碼,就可以得到SYSTEM_COMPONENT_ID:

public String getComponentId(int taskId) {
if(taskId==Constants.SYSTEM_TASK_ID) {
return Constants.SYSTEM_COMPONENT_ID;
} else {
return _taskToComponent.get(taskId);
}
}

#p#

滑動窗口

有了上面的基礎設施,我們還需要一些手段來完成“工程化”,將設想變為現實。

這里,我們看看Michael G. Noll的滑動窗口設計。

這里寫圖片描述
注:圖片來自http://www.michael-noll.com/blog/2013/01/18/implementing-real-time-trending-topics-in-storm/

Topology

String spoutId = "wordGenerator";
String counterId = "counter";
String intermediateRankerId = "intermediateRanker";
String totalRankerId = "finalRanker";
// 這里,假設TestWordSpout就是我們發送話題tuple的源
builder.setSpout(spoutId, new TestWordSpout(), 5);
// RollingCountBolt的時間窗口為9秒鐘,每3秒發送一次統計結果到下游
builder.setBolt(counterId, new RollingCountBolt(9, 3), 4).fieldsGrouping(spoutId, new Fields("word"));
// IntermediateRankingsBolt,將完成部分聚合,統計出top-n的話題
builder.setBolt(intermediateRankerId, new IntermediateRankingsBolt(TOP_N), 4).fieldsGrouping(counterId, new Fields(
"obj"));
// TotalRankingsBolt, 將完成完整聚合,統計出top-n的話題
builder.setBolt(totalRankerId, new TotalRankingsBolt(TOP_N)).globalGrouping(intermediateRankerId);

上面的topology設計如下:

這里寫圖片描述
注:圖片來自http://www.michael-noll.com/blog/2013/01/18/implementing-real-time-trending-topics-in-storm/

將聚合計算與時間結合起來

前文,我們敘述了tick事件,回調中會觸發bolt的execute方法,那可以這么做:

RollingCountBolt:

@Override
public void execute(Tuple tuple) {
if (TupleUtils.isTick(tuple)) {
LOG.debug("Received tick tuple, triggering emit of current window counts");
// tick來了,將時間窗口內的統計結果發送,并讓窗口滾動
emitCurrentWindowCounts();
}
else {
// 常規tuple,對話題計數即可
countObjAndAck(tuple);
}
}

// obj即為話題,增加一個計數 count++
// 注意,這里的速度基本取決于流的速度,可能每秒百萬,也可能每秒幾十.
// 內存不足? bolt可以scale-out.
private void countObjAndAck(Tuple tuple) {
Object obj = tuple.getValue(0);
counter.incrementCount(obj);
collector.ack(tuple);
}

// 將統計結果發送到下游
private void emitCurrentWindowCounts() {
Map<Object, Long> counts = counter.getCountsThenAdvanceWindow();
int actualWindowLengthInSeconds = lastModifiedTracker.secondsSinceOldestModification();
lastModifiedTracker.markAsModified();
if (actualWindowLengthInSeconds != windowLengthInSeconds) {
LOG.warn(String.format(WINDOW_LENGTH_WARNING_TEMPLATE, actualWindowLengthInSeconds, windowLengthInSeconds));
}
emit(counts, actualWindowLengthInSeconds);
}

上面的代碼可能有點抽象,看下這個圖就明白了,tick一到,窗口就滾動:

這里寫圖片描述
注:圖片來自http://www.michael-noll.com/blog/2013/01/18/implementing-real-time-trending-topics-in-storm/

IntermediateRankingsBolt & TotalRankingsBolt:

public final void execute(Tuple tuple, BasicOutputCollector collector) {
if (TupleUtils.isTick(tuple)) {
getLogger().debug("Received tick tuple, triggering emit of current rankings");
// 將聚合并排序的結果發送到下游
emitRankings(collector);
}
else {
// 聚合并排序
updateRankingsWithTuple(tuple);
}
}

其中,IntermediateRankingsBolt和TotalRankingsBolt的聚合排序方法略有不同:

IntermediateRankingsBolt的聚合排序方法:

// IntermediateRankingsBolt的聚合排序方法:
@Override
void updateRankingsWithTuple(Tuple tuple) {
// 這一步,將話題、話題出現的次數提取出來
Rankable rankable = RankableObjectWithFields.from(tuple);
// 這一步,將話題出現的次數進行聚合,然后重排序所有話題
super.getRankings().updateWith(rankable);
}

TotalRankingsBolt的聚合排序方法:

// TotalRankingsBolt的聚合排序方法
@Override
void updateRankingsWithTuple(Tuple tuple) {
// 提出來自IntermediateRankingsBolt的中間結果
Rankings rankingsToBeMerged = (Rankings) tuple.getValue(0);
// 聚合并排序
super.getRankings().updateWith(rankingsToBeMerged);
// 去0,節約內存
super.getRankings().pruneZeroCounts();
}

而重排序方法比較簡單粗暴,因為只求前N個,N不會很大:

private void rerank() {
Collections.sort(rankedItems);
Collections.reverse(rankedItems);
}

結語

下圖可能就是我們想要的結果,我們完成了t0 - t1時刻之間的熱點話題統計,其中的foreach_break僅僅是為了防盜版 : ].

這里寫圖片描述

文中對滑動窗口計數的概念和關鍵代碼做了較為詳細解釋,如果還有不理解,請參考http://www.michael-noll.com/blog/2013/01/18/implementing-real-time-trending-topics-in-storm/的設計以及storm的源碼.

希望你了解了什么是實時計算 :]

責任編輯:倪明 來源: cnblog
相關推薦

2022-07-26 00:00:22

HTAP系統數據庫

2014-04-17 16:42:03

DevOps

2021-01-15 07:44:21

SQL注入攻擊黑客

2021-11-09 09:48:13

Logging python模塊

2014-11-28 10:31:07

Hybrid APP

2023-03-16 10:49:55

2020-02-27 10:49:26

HTTPS網絡協議TCP

2019-09-16 08:40:42

2012-05-31 09:56:54

云安全

2023-10-24 08:53:24

FutureTas并發編程

2019-11-06 09:52:01

JavaScript單線程非阻塞

2022-03-14 07:53:27

ELTETL大數據

2022-12-12 08:46:11

2017-10-18 22:01:12

2025-01-03 08:09:15

2024-02-02 08:50:20

Node.js元數據自動化

2021-11-26 08:07:16

MySQL SQL 語句數據庫

2022-06-29 10:21:33

3d打印輔助工具

2023-11-01 13:48:00

反射java

2012-10-24 10:16:17

IT工程師云計算網絡管理
點贊
收藏

51CTO技術棧公眾號

主站蜘蛛池模板: 国产精品永久 | 国产精品久久久久久久久久免费 | 国产99热 | 中文字幕免费 | 爱爱视频在线观看 | 久久久www成人免费精品 | 中文字幕日韩欧美一区二区三区 | 一区二区三区高清 | 香蕉超碰 | 亚洲第一在线 | 成人免费视频网站在线看 | 四虎精品在线 | 日韩视频免费 | 在线观看黄色电影 | 天天插天天操 | 中文字幕 在线观看 | 在线观看免费av网 | 欧美一区二区三区国产 | 黄色片大全在线观看 | 久久国产电影 | 午夜亚洲 | 黄色在线免费观看视频 | h片免费在线观看 | 四虎永久免费地址 | 亚洲成人av在线播放 | 国产高清一区二区 | 久久久久久久av | 亚洲一级av毛片 | 欧美一级片在线观看 | 成人黄色三级毛片 | 国产91丝袜在线熟 | 亚洲欧美精品在线 | 亚洲综合一区二区三区 | 国产精品一区二区三区四区 | 日本一区二区三区免费观看 | 精品久久久久国产 | 日韩午夜精品 | 日批免费观看 | 欧美一a一片一级一片 | 牛牛热在线视频 | 国产精品久久久久久 |