从零开始学Storm

第1章  Storm简介
1.1  什么是Storm
1.2  Storm的诞生
1.2.1  从Twitter说起
1.2.2  Twitter需要处理大批实时性要求高的大数据业务
1.2.3  Storm帮助Twitter解决实时海量大数据处理问题
1.3  Storm的成长
1.3.1  Storm正式开源
1.3.2  Storm的核心技术和基本组成
1.3.3  Storm的项目小组
1.3.4  Storm的技术支持网站
1.4  Storm的优势
1.4.1  集成多种技术
1.4.2  简单的API
1.4.3  可扩展的
1.4.4  容错的
1.4.5  保证数据处理
1.4.6  可以使用任何语言
1.4.7  部署和操作简单
1.4.8  自由开源
1.5  Storm的应用现状和发展趋势
1.5.1  应用现状
1.5.2  发展趋势
1.6  如何学习Storm
1.7  本书的章节安排及学习建议
1.7.1  本书的章节安排
1.7.2  关于如何阅读本书的建议
1.8  本章小结


第2章  Storm的基本知识
2.1  概念
2.1.1  元组（Tuple）
2.1.2  流（Stream）
2.1.3  喷口（Spout）
2.1.4  螺栓（Bolt）
2.1.5  拓扑（Topology）
2.1.6  主控节点与工作节点
2.1.7  Nimbus进程与Supervisor进程
2.1.8  流分组（Stream grouping）
2.1.9  工作进程（Worker）
2.1.10  任务（Task）
2.1.11  执行器（Executor）
2.1.12  可靠性（Reliability）
2.2  Storm的配置
2.2.1  Storm的配置类型
2.2.2  defaults.yaml文件
2.2.3  storm.yaml文件
2.2.4  Config类
2.3  序列化（Serialization）
2.3.1  动态类型
2.3.2  自定义序列化
2.3.3  Java序列化
2.3.4  特定组件序列化注册
2.4  容错机制
2.4.1  Worker进程死亡
2.4.2  节点死亡
2.4.3  Nimbus或者Supervisor守护进程死亡
2.4.4  Nimbus是否是“单点故障”的
2.5  可靠性机制——保证消息处理
2.5.1  消息被“完全处理”的含义
2.5.2  如果一个消息被完全处理或完全处理失败会发生什么
2.5.3  Storm如何保证可靠性
2.5.4  Storm如何实现可靠性
2.5.5  调节可靠性
2.6  消息传输机制
2.6.1  ZeroMQ
2.6.2  Netty
2.6.3  自定义消息通信机制
2.7  Storm的开发环境与生产环境
2.7.1  开发环境与本地模式
2.7.2  生产环境与远程模式
2.7.3  开发环境与生产环境的对比
2.8  Storm拓扑的并行度（parallelism）
2.8.1  工作进程、执行器和任务
2.8.2  配置拓扑的并行度
2.8.3  拓扑示例
2.8.4  如何改变运行中拓扑的并行度
2.9  Storm命令行客户端
2.10  Javadoc文档
2.11  本章小结

第3章  拓扑详解
3.1  什么是拓扑
3.2  TopologyBuilder
3.3  流分组
3.3.1  什么是流分组
3.3.2  不同的流分组方式
3.4  一个简单的拓扑
3.5  在本地模式下运行拓扑
3.6  在生产集群上运行拓扑
3.6.1  常见的配置
3.6.2  杀死拓扑
3.6.3  更新运行中的拓扑
3.6.4  监控拓扑
3.7  拓扑的常见模式
3.7.1  流连接（Stream Join）
3.7.2  批处理（Batching）
3.7.3  BasicBolt
3.7.4  内存中缓存与字段的组合
3.7.5  流的top N
3.7.6  高效保存最近更新缓存对象的TimeCacheMap（已弃用）
3.7.7  分布式RPC的CoordinatedBolt与KeyedFairBolt
3.8  本地模式与StormSubmitter的对比
3.9  多语言协议（Multi-Language Protocol）
3.10  使用非JVM语言操作Storm
3.10.1  支持的非Java语言
3.10.2  对Storm使用非Java语言
3.10.3  实现非Java DSL的笔记
3.11  Hook
3.12  本章小结

第4章  组件详解
4.1  基本接口
4.1.1  IComponent接口
4.1.2  ISpout接口
4.1.3  IBolt接口
4.1.4  IRichSpout与IRichBolt接口
4.1.5  IBasicBolt接口
4.1.6  IStateSpout与IRichStateSpout接口
4.2  基本抽象类
4.2.1  BaseComponent抽象类
4.2.2  BaseRichSpout抽象类
4.2.3  BaseRichBolt抽象类
4.2.4  BaseBasicBolt抽象类
4.3  事务接口
4.3.1  IPartitionedTransactionalSpout
4.3.2  IOpaquePartitionedTransactionalSpout
4.3.3  ITransactionalSpout
4.3.4  ICommitterTransactionalSpout
4.3.5  IBatchBolt
4.4  组件之间的相互关系
4.5  本章小结

第5章  Spout详解
5.1  可靠的与不可靠的消息
5.2  Spout获取数据的方式
5.2.1  直接连接（Direct Connection）
5.2.2  消息队列（Enqueued Messages）
5.2.3  DRPC（分布式RPC）
5.3  常用的Spout
5.3.1  Kestrel作为Spout的数据源
5.3.2  AMQP作为Spout的数据源
5.3.3  JMS作为Spout的数据源
5.3.4  Redis作为Spout的数据源
5.3.5  beanstalkd作为Spout的数据源
5.4  学习编写Spout类
5.5  本章小结

第6章  Bolt详解
6.1  Bolt概述
6.2  可靠的与不可靠的Bolt
6.2.1  使用Anchoring机制实现可靠的Bolt
6.2.2  使用IBasicBolt接口实现自动确认
6.3  复合流与复合Anchoring
6.3.1  复合流
6.3.2  复合Anchoring
6.4  使用其他语言定义Bolt
6.5  学习编写Bolt类
6.5.1  可靠的Bolt
6.5.2  不可靠的Bolt
6.6  本章小结

第7章  ZooKeeper详解
7.1  ZooKeeper简介
7.2  ZooKeeper的下载和部署
7.2.1  ZooKeeper的下载
7.2.2  ZooKeeper的部署
7.3  ZooKeeper的配置
7.4  ZooKeeper的运行
7.5  ZooKeeper的本地模式实例
7.6  ZooKeeper的数据模型
7.6.1  ZNode
7.6.2  ZooKeeper中的时间
7.6.3  ZooKeeper的Stat结构
7.7  ZooKeeper的命令行操作范例
7.8  Storm在ZooKeeper中的目录结构
7.9  本章小结

第8章  基础软件的安装与使用
8.1  Linux的基本操作
8.1.1  环境变量
8.1.2  常用命令
8.2  JDK的下载与配置
8.2.1  Sun JDK的下载
8.2.2  在Linux下安装JDK
8.2.3  在Windows下安装JDK
8.3  GitHub托管项目的下载
8.4  Maven的下载与配置
8.4.1  Maven的下载
8.4.2  在Linux下部署Maven
8.4.3  在Windows下部署Maven
8.5  其他软件——Notepad++
8.6  本章小结

第9章  Storm的安装与配置
9.1  Storm集群的安装步骤与准备工作
9.1.1  搭建ZooKeeper集群
9.1.2  安装Storm的本地依赖
9.1.3  下载并解压Storm发行版本
9.1.4  配置storm.yaml文件
9.1.5  启动Storm的守护进程
9.2  本地模式的Storm完整的配置命令
9.3  本章小结

第10章  Storm集群搭建实践
10.1  准备工作
10.1.1  概述
10.1.2  配置hosts文件
10.1.3  配置静态IP
10.1.4  集群SSH无密码
10.1.5  修改主机名
10.1.6  关闭防火墙
10.1.7  同步时间
10.1.8  安装JDK
10.2  ZooKeeper集群的搭建
10.2.1  部署第一个节点
10.2.2  部署第i个节点
10.2.3  启动ZooKeeper集群
10.2.4  查看ZooKeeper状态
10.2.5  关闭ZooKeeper集群
10.2.6  清理ZooKeeper集群
10.3  Storm集群的搭建
10.3.1  安装Storm依赖（每个Storm节点）
10.3.2  部署第一个节点
10.3.3  部署第i个节点
10.3.4  启动Storm守护进程
10.4  本章小结

第11章  准备Storm的开发环境
11.1  Storm的开发环境
11.1.1  什么是Storm的开发环境
11.1.2  如何管理Storm
11.1.3  如何提交拓扑到集群
11.2  Eclipse的下载与配置
11.2.1  Eclipse的下载
11.2.2  Eclipse的配置与运行
11.2.3  Eclipse插件的安装
11.3  使用Maven管理项目
11.3.1  Maven的下载与配置
11.3.2  配置pom.xml文件
11.3.3  运行Maven命令
11.4  使用Nexus搭建本地Maven私服
11.4.1  下载Nexus
11.4.2  运行Nexus
11.4.3  登录Nexus后台
11.4.4  配置Repositories
11.4.5  配置setting.xml文件
11.4.6  修改Eclipse的Maven插件的配置
11.5  使用SVN管理代码版本
11.5.1  在Windows下搭建SVN服务器
11.5.2  在Linux下搭建SVN服务器
11.5.3  安装SVN客户端
11.6  部署单节点的Storm集群
11.6.1  部署伪分布的ZooKeeper
11.6.2  部署伪分布的Storm集群
11.7  本章小结

第12章  开发自己的Storm应用
12.1  新建Maven项目
12.2  修改为适合Storm开发的项目
12.2.1  对包名进行分类管理
12.2.2  修改pom.xml文件
12.3  编写代码
12.3.1  编写Spout类
12.3.2  编写Bolt类
12.3.3  编写Topology类
12.4  本地测试运行
12.5  提交到Storm集群运行
12.5.1  使用Maven打包
12.5.2  提交jar包到集群
12.6  本章小结

第13章  storm-starter详解
13.1  storm-starter项目概述
13.2  storm-starter的下载
13.3  使用Maven进行管理
13.3.1  使用Maven打包storm-starter
13.3.2  使用Maven直接运行WordCountTopology
13.3.3  使用Maven运行单元测试
13.4  在Eclipse中运行
13.4.1  新建Maven项目的方式
13.4.2  导入已存在的项目的方式
13.5  storm-starter的入门例子
13.5.1  ExclamationTopology
13.5.2  WordCountTopology
13.5.3  ReachTopology
13.6  storm-starter的其他例子
13.6.1  BasicDRPCTopology
13.6.2  ManualDRPC
13.6.3  PrintSampleStream
13.6.4  RollingTopWords
13.6.5  SingleJoinExample
13.6.6  TransactionalGlobalCount
13.6.7  TransactionalWords
13.7  本章小结

第14章  研发与集群管理技巧
14.1  使用daemontools监控Storm进程
14.1.1  daemontools简介
14.1.2  安装daemontools
14.1.3  编写监控脚本
14.2  使用Monit监控Storm
14.2.1  Monit简介
14.2.2  安装Monit
14.2.3  配置Monit
14.2.4  启动Monit
14.2.5  获取Monit帮助信息
14.3  常用的集群操作命令
14.4  使用Storm的经验与建议
14.5  本章小结

第15章  DRPC详解
15.1  概述
15.2  DRPCTopologyBuilder
15.2.1  LinearDRPCTopologyBuilder
15.2.2  LinearDRPCTopologyBuilder提供的方法
15.2.3  LinearDRPCTopologyBuilder使用范例
15.2.4  LinearDRPCTopologyBuilder的工作原理
15.2.5  LinearDRPCTopologyBuilder目前已弃用
15.3  本地模式的DRPC
15.4  远程模式的DRPC
15.5  一个复杂的DRPC例子（计算reach值）
15.6  非线性DRPC
15.7  本章小结

第16章  事务拓扑详解
16.1  什么是事务拓扑
16.1.1  设计1
16.1.2  设计2
16.1.3  设计3（Storm的设计)
16.2  事务拓扑的设计细节
16.3  事务拓扑的实现细节
16.3.1  事务Spout的工作原理 262
16.3.2  “对于给定的事务id不能发射相同的Batch”的处理
16.3.3  更多的细节
16.4  事务拓扑API
16.4.1  Bolt
16.4.2  事务Spout
16.4.3  配置
16.5  TransactionalTopologyBuilder
16.5.1  TransactionalTopologyBuilder提供的方法
16.5.2  TransactionalTopologyBuilder类已弃用
16.6  一个简单的例子
16.7  本章小结

第17章  Trident详解
17.1  Trident概述
17.1.1  简单的例子——单词统计（TridentWordCount）
17.1.2  另一个例子——计算Reach值（TridentReach）
17.1.3  字段和元组
17.1.4  状态（State）
17.1.5  Trident拓扑的执行
17.2  Trident API
17.2.1  概述
17.2.2  本地分区操作
17.2.3  重新分区操作
17.2.4  聚合操作
17.2.5  流分组操作
17.2.6  合并与连接
17.3  Trident的状态
17.3.1  Trident状态分类
17.3.2  事务Spout（Transactional Spout）
17.3.3  不透明事务Spout（Opaque Transactional Spout）
17.3.4  非事务Spout（Non-transactional Spout）
17.3.5  Spout与State之间的联系
17.3.6  State API
17.3.7  persistentAggregate方法
17.3.8  实现 MapStates
17.4  Trident Spout
17.4.1  流水线（Pipelining）
17.4.2  Trident Spout的类型
17.5  本章小结

第18章  Storm的内部实现
18.1  文件系统分析
18.2  数据目录结构
18.2.1  Nimbus节点的目录结构
18.2.2  Supervisor节点的目录结构
18.3  代码库的结构
18.3.1  storm.thrift
18.3.2  Java接口
18.3.3  实现
18.4  拓扑的生命周期
18.4.1  启动拓扑
18.4.2  监控拓扑
18.4.3  杀死拓扑
18.5  Acking框架的实现
18.5.1  异或计算的基本原理
18.5.2  Acking框架的实现原理
18.5.3  Acker的execute方法
18.5.4  待定元组（pending tuple）和RotatingMap
18.6  Metric
18.7  本章小结

第19章  Storm相关的其他项目
19.1  JStorm项目
19.1.1  项目简介
19.1.2  下载与部署
19.1.3  源代码编译
19.2  storm-deploy项目
19.3  Storm与Kafka
19.3.1  Kafka简介
19.3.2  Kafka的安装
19.3.3  启动服务
19.3.4  测试运行
19.3.5  Storm与Kafka的项目
19.4  storm-kestrel项目 334
19.4.1  storm-kestrel项目简介
19.4.2  使用storm-kestrel项目
19.4.3  Kestrel服务器和队列
19.4.4  添加元素到kestrel
19.4.5  从Kestrel中移除元素
19.4.6  持续添加元素到Kestrel
19.4.7  使用KestrelSpout
19.4.8  执行
19.5  本章小结

第20章  企业应用案例
20.1  Storm席卷众多互联网企业
20.1.1  Storm的典型应用场景
20.1.2  Storm的三大基本应用
20.2  Storm在Twitter中的应用
20.2.1  Twitter公司简介
20.2.2  Storm帮助Twitter提升产品性能
20.2.3  MapR在Twitter中的应用简介
20.3  Storm在阿里巴巴集团的应用
20.3.1  阿里巴巴集团简介
20.3.2  Storm在阿里巴巴的应用
20.3.3  Storm在淘宝公司的应用
20.3.4  Storm在支付宝公司的应用
20.4  其他应用Storm的知名企业和项目
20.5  本章小结
参考资料