启动流程图

 

mk-assignments

功能：对当前集群中所有Topology进行新一轮的任务调度。

实现源码路径：
\apache-storm-0.9.4\storm-core\src\clj\backtype\storm\daemon\ nimbus.clj

方法原型：

1. 参数nimbus为nimbus-data对象，scratch-topology-id为提交的Topology id.
2. 从nimbus中依次获取conf、storm-cluster-state。
3. 获取当前所有活跃的topology的id集合。
4. 根据活跃的topology id调用read-topology-details方法，获取TopologyDetails信息并返回<storm-id,TopologyDetails>集合。
5. 根据<storm-id,TopologyDetails>集合创建topologies对象。
6. 获取已分配资源的Topology的id集合。
7. 根据已分配资源的Topology id获取每个Topology的任务分配情况assigments,并返回<storm-id,Assigment>集合existing-assignments，除了scratch-topology-id指定的Topology不会获取它的Assigments。
8. 调用compute-new-topology->executor->node+port方法获为所有Topology计算新的调度，返回topology->executor->node+port.
9. 调用basic-supervisor-details-map从Zookeeper中获取所有SupervisorInfo信息，返回<supervisor-id,supervisorDetails>集合。
10. 对第8步返回的结果集中的每一项进行遍历构造新的Assignment对象集合new-assignments，Assigmnet定义如下：
    （defrecord Assignent [master-code-dir node->host executor->node+port executor->start-time-secs]）
    master-code-dir：Nimbus在本地保存Topology信息路劲,主要包括stormjar.jar、stormcode.ser、stormconf.ser.
    node->host:该Topology分配的<supervisor-id,hostname>集合.
    executor->node+port:该Topology中executor的分配情况，node为supervisor-id,port为端口号。
    executor->start-time-secs:该Topology对用的supervisor的启动时间.
11. 比较new-assignments与existing-assignments中的每一项是否有差异，如果没有就打印一条提示信息，如果有就将该Topology在Zookeeper中保存的调度结果更新为new-assignments。
12. 计算new-assignment中的每一项新增加的slot并进行分配。（新增的solt通过new-assignment中的node+port减去existing-assignment中的node+port得到，返回为<topology-id,WorkerSlot>集合）
    WorkerSlot格式为{ nodeId port }

功能总结：
获取已分配资源的Topology的任务分配情况<storm-id,Assigment>集合（existing-assignments），获取活跃的Topology信息<storm-id,TopologyDetails>集合创建topologies对象。然后调用compute-new-topology->executor->node+port方法获为所有Topology计算新的调度，返回topology->executor->node+port再构造Assigmnet对象集。

compute-new-topology->executor->node+port

函数原型：

参数说明：
nimbus:nimbus-data对象。
existing-assignments：当前已经分配的的任务，格式<topology-id,Assignment>。
Topologies：当前活跃的Topology,格式<storm-id,TopologyDetails>.
scratch-topology-id:需要重新调度的topology-id.

1. 调用compute-topology->executors方法根据existing-assignments中的topology-id获取<topology-id,executors>集合，与调用compute-executors方法效果作用一样。
2. 调用update-all-hearbeats!更新上一步中executor中的心跳信息.
3. 调用compute-topology->alive-executors获取<topology-id,alive-executors>集合，每个topology-id对应的活跃的executor.
4. 调用compute-supervisor->dead-ports获取<supervisor-id,dead-ports>集合。
5. 调用compute-topology->scheduler-assignment获取<topology-id,Scheduler-AssignmentImpl>集合.（topology-id对用的任务分配情况Scheduler-AssignmentImpl == <ExecutorDetails,WorkerSlot>）.
6. 根据参数topologies中的topology-id进行条件过滤，该topology中所有executor为空或者topology中的所有executor不等于Topology中活跃的executor或者该Topology的num-use-workers小于其指定的num-worker,过滤后的结果集群赋值给missing-assignmnet-topologies.
7. 调用all-scheduling-slots方法获取<node-id,port>集合。
8. 调用read-all-supervisor-details方法获取<supervisor-id,supervisorDetails>集合。
9. 根据参数nimbus、第5步、第8步的结果集构造Cluster对象。
10. 调用nimbus中的scheduler方法进行任务调度。
11. 从Cluster对象中获取重新调度完之后的所有Assignments作为new-scheduler-assignment,格式为<topology-id,SchedulerAssignment>集合。
12. 调用compute-topology->executor->node+port将第11步的结果集转换为<topology-id,{executor[node port]}>集合。
13. 调用basic-supervisor-details-map将Zookeeper中记录的所有SupervisorInfo都转换为SupervisorDetails,返回<supervisor-id,SuperviosrDetails>集合.

流程图：

compute-executor

函数原型:

函数实现说明：

1. 获取storm-id（topology-id）对用的stormBase中component-executors形象（每个组件的并行度）。
2. 获取storm-id对应的storm-conf配置。
3. 获取storm-id对应Topology.
4. 调用storm-task-info获取<task-id,component-id>集合，其中task-id对该Topology的所有组件是全局递增的。
5. 将第4步的结果集转换为<component-id,tasks>并按照升序排序。
6. 将第1步的结果集<component-id,parallelism>与第5步的结果集进行join得到<component-id,[parallelism,tasks]>集合.
7. 对第6步的结果集中的每一项进行处理，将tasks集合均匀分布到数目为parallelism的分区上。

功能总结：

获取storm-id对应Topology所有组件的并行度（线程数），获取该Topology中各组件TOPOLOGY_TASK信息，最后的结果使每个线程中均匀分布多个task运行。