storm中的一些原语：

要说明上面的问题，得先了解storm中的一些原语，比如：

tuple和message
tuple：在storm中，消息是通过tuple来抽象表示的，每个tuple知道它从哪里来，应往哪里去，包含了其在tuple-tree（如果是anchored的话）或者DAG中的位置，等等信息。

spout
spout充当了tuple的发送源，spout通过和其它消息源，比如kafka交互，将消息封装为tuple，发送到流的下游。

bolt
bolt是tuple的实际处理单元，通过从spout或者另一个bolt接收tuple，进行业务处理，将自己加入tuple-tree（通过在emit方法中设置anchors）或DAG，然后继续将tuple发送到流的下游。
acker
acker是一种特殊的bolt，其接收来自spout和bolt的消息，主要功能是追踪tuple的处理情况，如果处理完成，会向tuple的源头spout发送确认消息，否则，会发送失败消息，spout收到失败的消息，根据配置和自定义的情况会进行消息的丢弃、重放处理。

spout、bolt、acker的关系：
spout将tuple发送给流的下游的bolts.
bolt收到tuple，处理后发送给下游的bolts.
spout向acker发送请求ack的消息.
bolt向acker发送请求ack的消息.
acker向bolt和spout发送确认ack的消息.
简单的关系如下所示：

 

 

 

上图展示了spout、bolts等形成了一个DAG，如何追踪这个DAG的执行过程，就是storm保证仅处理一次消息的语义的机制所在。

storm如何追踪消息（tuple）的处理

spout在调用emit/emitDirect方法发送tuple时，会以单播或者广播的方式，将消息发送给流的下游的component/task/bolt，如果配置了acker，那么会在每次emit调用之后，向acker发送请求ack的消息：

 

;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;; spout向acker发送请求ack消息
;;;;;;;;;;;;;;;;;;;;;;;;;;;;

;; rooted?表示是否设置了acker
(if (and rooted?
        (not (.isEmpty out-ids)))
 (do
   (.put pending root-id [task-id
                          message-id
                          {:stream out-stream-id :values values}
                          (if (sampler) (System/currentTimeMillis))])
   (task/send-unanchored task-data
                         ;;表示这是一个流初始化的消息
                         ACKER-INIT-STREAM-ID 
                         ;;将下游组件的out-id和0组成一个异或链，发送给acker用于追踪
                         [root-id (bit-xor-vals out-ids) task-id] 
                         overflow-buffer))

 ;; 如果没有配置acker，则调用自身的ack方法
 (when message-id
   (ack-spout-msg executor-data task-data message-id
                  {:stream out-stream-id :values values}
                  (if (sampler) 0) "0:")))

 

从上面的代码可以看出，每次emit tuple后，spout会向acker发送一个流ID为ACKER-INIT-STREAM-ID的消息，用于将DAG或者tuple-tree中的节点信息交给acker，acker会利用这个信息来追踪tuple-tree或DAG的完成。

而spout调用emit/emitDirect方法，将tuple发到下游的bolts，也同时会发送用于追踪DAG完成情况的信息：

;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;; spout向流的下游emit消息
;;;;;;;;;;;;;;;;;;;;;;;;;;;;

(let [tuple-id (if rooted?
                ;; 如果有acker，tuple的MessageId会包含一个<root-id,id>的哈希表
                ;; root-id和id都是long型64位整数
                (MessageId/makeRootId root-id id)
                (MessageId/makeUnanchored))
     ;;实例化tuple
     out-tuple (TupleImpl. worker-context
                           values
                           task-id
                           out-stream-id
                           tuple-id)]

 ;; 发送至队列，最终发送给流的下游的task/bolt
 (transfer-fn out-task
              out-tuple
              overflow-buffer)
 ))

 

 

 

 

如果是spout -> bolt或者bolt -> bolt，这个信息就是tuple的MessageId，其内部维护一个哈希表：

// map anchor to id
private Map<Long, Long> _anchorsToIds;

键为root-id，表示spout，值表示tuple在tuple-tree或者DAG的根（spout）或者经过的边（bolt），但这里没有利用任何常规意义上的“树”的算法，而是采用异或的方式来存储这个值：

spout -> bolt，值被初始化为一个long型64位整数.
bolt -> bolt，值被初始化为一个long型64位整数，并和_anchorsToIds中的旧值进行按位异或，将结果更新到_anchorsToIds中.
如果是spout -> acker，或者bolt -> acker，那么用于追踪的是tuple的values：

spout -> acker ： [root-id (bit-xor-vals out-ids) task-id]
bolt -> acker : [root (bit-xor id ack-val) ..]
下面给出上面调用的bit-xor-vals和bit-xor方法的代码：

(defn bit-xor-vals
  [vals]
  (reduce bit-xor 0 vals))

(defn bit-xor
  "Bitwise exclusive or"
  {:inline (nary-inline 'xor)
   :inline-arities >1?
   :added "1.0"}
  ([x y] (. clojure.lang.Numbers xor x y))
  ([x y & more]
    (reduce1 bit-xor (bit-xor x y) more)))

示例
说起来有点抽象，看个例子。

假设我们有1个spout，n个bolt，1个acker：

1.spout
spout发送tuple到下游的bolts：

;; id_1是发送到bolt_1的tuple-id，依此类推
spout :
->bolt_1 : id_1
->bolt_2 : id_2
..
->bolt_n : id_n

2.bolt
bolt收到tuple，在execute方法中进行必要的处理，然后调用emit方法，最后调用ack方法：

;; bolt_1调用emit方法，追踪消息的这样一个值：让id_1和bid_1按位进行异或.
;; bid_1和id_1类似，是个long型的64位随机整数，在emit这一步生成
bolt_1 emit : id_1 ^ bid_1

;; bolt_1调用ack方法，并将值表达为如下方式的异或链的结果
bolt_1 ack : 0 ^ bid_1 ^ id_1 ^ bid_1 = 0 ^ id_1

以上，可以看出bolt进行了emit-ack组合后，其自身在异或链中的作用消失了，也就是说tuple在此bolt得到了处理。

（当然，此时的ack还没有得到acker的确认，假设acker确认了，那么上面所说的tuple在bolt得到了处理就成立了。）

来看看acker的确认。

3.acker
acker收到来自spout的tuple：

;; spout发消息给acker，tuple的MessageId包含下面的异或链的结果
spout -> acker ： 0 ^ id_1 ^ id_2 ^ .. ^ id_n

;; acker收到来spout的消息，对tuple的ackVal进行处理，如下所示：
acker : 0 ^ (0 ^ id_1 ^ id_2 ^ .. ^ id_n) = 0 ^ id_1 ^ id_2 ^ .. ^ id_n

acker收到来自bolt的tuple：

;; bolt_1发消息给acker：
bolt_1 -> acker : 0 ^ id_1

;; acker维护的对应此tuple的源spout的ackVal :
ackVal : 0 ^ id_1 ^ id_2 ^ .. ^ id_n

;; acker进行确认，也就是拿上面的两个值进行异或：
acker : (0 ^ id_1) ^ (0 ^ id_1 ^ id_2 ^ .. ^ id_n) = 0 ^ id_2 ^ .. ^ id_n

可以看出，bolt_1向acker请求ack，acker收到请求ack，异或之后，id_1的作用消失。也就是说，bolt_1已处理完毕这个tuple。

所以，在acker看来，如果某个bolt的处理完成，则此bolt在异或链中的作用就消失了。

如果所有的bolt 都得到处理，那么acker将会观察到ackVal值变成了0：

ackVal = 0
= (0 ^ id_1) ^ (0 ^ id_1 ^ .. ^ id_n) ^ .. (0 ^ id_n)
= (0 ^ 0) ^ (id_1 ^ id_1) ^ (id_2 ^ id_2) ^ .. ^ (id_n ^ id_n)

如果出现了ackVal = 0，说明两个可能：

spout发送的tuple都处理完成，tuple-tree或者DAG已完成。
概率性出错，也就是说在极小的概率下，即使不按上面的确认流程来走，异或链的结果也可能出现0.但这个概率极小，小到什么程度呢？
用官方的话说就是，如果每秒发送1万个ack消息，50,000,000年时才可能发生这种情况。
如果ackVal不为0，说明tuple-tree或DAG没有完成。如果长时间不为0，通过超时，可以触发一个超时回调，在这个回调中调用spout的fail方法，来进行重放。

如此，就保证了消息处理不会漏掉，但可能会重复。

 

 转自：https://blog.csdn.net/gsky1986/article/details/46984229