一.Scheduler概述
Scheduler是Storm的调度器， 它负责为Topology分配当前集群中可用的资源。 Storm定义了IScheduler接口， 用户可以通过实现该接口来定义自己的Scheduler。 Storm提供了几种Scheduler，分别是EvenScheduler、 DefaultScheduler和IsolationScheduler，Pluggable Schedule，MultitenantScheduler，ResourceAwareScheduler 下面简要介绍一下它们。
1.EvenScheduler：
会将系统中的可用资源均匀地分配给当前需要任务分配的多个Topology。
2.DefaultScheduler：
跟EvenScheduler基本一致， 唯一的区别在于它会在为Topology分配任务之前先释放掉其他Topology不再需要的资源， 然后调用EventScheduler方法为Topology均匀分配资源。
3.IsolationScheduler：
它提供了一种机制， 使得用户可以单独为某些Topology指定它们需要的机器资源（ 机器数目 ）。 用户需要在Storm配置项中指定这些信息（ topology-name及其所需的机器数目 ）， IsolationScheduler会优先对这些Topology分配任务， 保证分配给某个Topology的机器只能运行这个特定的Topology, 相当于这些Topology的运行环境是相互独立的。 待这些指定的Topology分配完成之后， 再调用DefaultScheduler, 利用系统中剩余的资源为剩余的Topology进行任务分配。
4.Pluggable Schedule：
可插拔式的任务分配器,编写自己的task分配算法，实现自己的调度器来替代默认的调度器去分配executors给workers。在storm.yaml文件里指定storm.scheduler，自定义的调度器要实现IScheduler接口。
5.MultitenantScheduler：
这种调度模式会为每个topology发布者构造一个自己专属的隔离资源池，之后会通过遍历topology集，通过为资源池分配topology关联来分配节点。
6. ResourceAwareScheduler：
资源感知调度器可以在每个用户的基础上分配资源。 每个用户可以保证一定数量的资源来运行他或她的 topology，并且资源感知调度器将尽可能满足这些保证。 当 Storm 群集具有额外的免费资源时，资源感知调度器将能够以公平的方式为用户分配额外的资源。
二.Scheduler接口
如果用户想要自定义Scheduler，需要实现ISheduler接口，该接口是Storm定义的为集群当前所有Topology分配任务的接口，它的定义如下...
public interface IScheduler {
void prepare(Map conf);
/**
* Set assignments for the topologies which needs scheduling. The new assignments is available
* through <code>cluster.getAssignments()</code>
*
*@param topologies all the topologies in the cluster, some of them need schedule. Topologies object here
* only contain static information about topologies. Information like assignments, slots are all in
* the <code>cluster</code>object.
*@param cluster the cluster these topologies are running in. <code>cluster</code> contains everything user
* need to develop a new scheduling logic. e.g. supervisors information, available slots, current
* assignments for all the topologies etc. User can set the new assignment for topologies using
* <code>cluster.setAssignmentById</code>
*/
void schedule(Topologies topologies, Cluster cluster);
}
这个定义中， 主要涉及两个方法:
1.prepare方法：它接收当前Nimbus的Storm配置作为参数，以进行一些初始化
2.scheduler方法：它是真正进行任务分配的方法。 在Nimbus进行任务分配的时候会调用该方法。它的参数包括topologies和cluster。前者含有了当前集群中所有的Topology信息，后者则代表当前集群， 其中包含用户自定义调度逻辑时所需的所有资源， 包括Supervisor信息、 当前可用的所有slot, 以及任务分配情况等。
三.Storm调度的相关术语
在看Storm的Scheduler代码么之前，得要弄明白几个概念，这样可以更好的理解后面的调度过程。
1.slot：这代表一个Supervisor节点上的一个单位资源。每个slot对应一个port，一个slot只能被一个Worker占用。
2.Worker，Executor，Task：1个Worker包含1个或多个Executor执行器，每个执行器包含多个Task。
3.Executor的表现形式为[1-1],[2-2]，中括号内的数字代表该Executor中的起始Task id到末尾Task id，1个Worker就相当于在外面加个大括号{[1-1],[2-2]}
4.Component。Storm中的每个组件就是指一类Spout或1个类型的Bolt，这里指的是名称类型，不包含个数。
四.自定义调度器示例
Storm自定义实现直接分配调度器来自：Storm自定义调度器实现--DirectScheduler
//DirectScheduler把划分单位缩小到组件级别,1个Spout和1个Bolt可以指定到某个节点上运行,
//如果没有指定,还是按照系统自带的调度器进行调度.这个配置在Topology提交的Conf配置中可配.
public class DirectScheduler implements IScheduler{
@Override
public void prepare(Map conf) {
}
@Override
public void schedule(Topologies topologies, Cluster cluster) {
System.out.println("DirectScheduler: begin scheduling");
// Gets the topology which we want to schedule
Collection<TopologyDetails> topologyDetailes;
TopologyDetails topology;
//作业是否要指定分配的标识
String assignedFlag;
Map map;
Iterator<String> iterator = null;
topologyDetailes = topologies.getTopologies();
for(TopologyDetails td: topologyDetailes){
map = td.getConf();
assignedFlag = (String)map.get("assigned_flag");
//如何找到的拓扑逻辑的分配标为1则代表是要分配的,否则走系统的调度
if(assignedFlag != null && assignedFlag.equals("1")){
System.out.println("finding topology named " + td.getName());
topologyAssign(cluster, td, map);
}else {
System.out.println("topology assigned is null");
}
}
//其余的任务由系统自带的调度器执行
new EvenScheduler().schedule(topologies, cluster);
}
/**
* 拓扑逻辑的调度
* @param cluster
* 集群
* @param topology
* 具体要调度的拓扑逻辑
* @param map
* map配置项
*/
private void topologyAssign(Cluster cluster, TopologyDetails topology, Map map){
Set<String> keys;
PersistentArrayMap designMap;
Iterator<String> iterator;
iterator = null;
// make sure the special topology is submitted,
if (topology != null) {
designMap = (PersistentArrayMap)map.get("design_map");
if(designMap != null){
System.out.println("design map size is " + designMap.size());
keys = designMap.keySet();
iterator = keys.iterator();
System.out.println("keys size is " + keys.size());
}
if(designMap == null || designMap.size() == 0){
System.out.println("design map is null");
}
boolean needsScheduling = cluster.needsScheduling(topology);
if (!needsScheduling) {
System.out.println("Our special topology does not need scheduling.");
} else {
System.out.println("Our special topology needs scheduling.");
// find out all the needs-scheduling components of this topology
Map<String, List<ExecutorDetails>> componentToExecutors = cluster.getNeedsSchedulingComponentToExecutors(topology);
System.out.println("needs scheduling(component->executor): " + componentToExecutors);
System.out.println("needs scheduling(executor->components): " + cluster.getNeedsSchedulingExecutorToComponents(topology));
SchedulerAssignment currentAssignment = cluster.getAssignmentById(topology.getId());
if (currentAssignment != null) {
System.out.println("current assignments: " + currentAssignment.getExecutorToSlot());
} else {
System.out.println("current assignments: {}");
}
String componentName;
String nodeName;
if(designMap != null && iterator != null){
while (iterator.hasNext()){
componentName = iterator.next();
nodeName = (String)designMap.get(componentName);
System.out.println("现在进行调度 组件名称->节点名称:" + componentName + "->" + nodeName);
componentAssign(cluster, topology, componentToExecutors, componentName, nodeName);
}
}
}
}
}
/**
* 组件调度
* @param cluster
* 集群的信息
* @param topology
* 待调度的拓扑细节信息
* @param totalExecutors
* 组件的执行器
* @param componentName
* 组件的名称
* @param supervisorName
* 节点的名称
*/
private void componentAssign(Cluster cluster, TopologyDetails topology, Map<String, List<ExecutorDetails>> totalExecutors, String componentName, String supervisorName){
if (!totalExecutors.containsKey(componentName)) {
System.out.println("Our special-spout does not need scheduling.");
} else {
System.out.println("Our special-spout needs scheduling.");
List<ExecutorDetails> executors = totalExecutors.get(componentName);
// find out the our "special-supervisor" from the supervisor metadata
Collection<SupervisorDetails> supervisors = cluster.getSupervisors().values();
SupervisorDetails specialSupervisor = null;
for (SupervisorDetails supervisor : supervisors) {
Map meta = (Map) supervisor.getSchedulerMeta();
if(meta != null && meta.get("name") != null){
System.out.println("supervisor name:" + meta.get("name"));
if (meta.get("name").equals(supervisorName)) {
System.out.println("Supervisor finding");
specialSupervisor = supervisor;
break;
}
}else {
System.out.println("Supervisor meta null");
}
}
// found the special supervisor
if (specialSupervisor != null) {
System.out.println("Found the special-supervisor");
List<WorkerSlot> availableSlots = cluster.getAvailableSlots(specialSupervisor);
// 如果目标节点上已经没有空闲的slot,则进行强制释放
if (availableSlots.isEmpty() && !executors.isEmpty()) {
for (Integer port : cluster.getUsedPorts(specialSupervisor)) {
cluster.freeSlot(new WorkerSlot(specialSupervisor.getId(), port));
}
}
// 重新获取可用的slot
availableSlots = cluster.getAvailableSlots(specialSupervisor);
// 选取节点上第一个slot,进行分配
cluster.assign(availableSlots.get(0), topology.getId(), executors);
System.out.println("We assigned executors:" + executors + " to slot: [" + availableSlots.get(0).getNodeId() + ", " + availableSlots.get(0).getPort() + "]");
} else {
System.out.println("There is no supervisor find!!!");
}
}
}
}
使用方法：
1.打包此项目,将jar包拷贝到STORM_HOME/lib目录下,在nimbus节点上的Storm包
2.在nimbus节点的storm.yaml配置中,进行配置:storm.scheduler: "storm.DirectScheduler"
3.然后是在supervisor的节点中进行名称的配置,配置项如下:
supervisor.scheduler.meta:
name: "your-supervisor-name"
4.然后重启nimbus,supervisor节点即可,集群配置只要1次配置即可.
转载于:https://www.jianshu.com/p/664a82bf699e