Tutoriel pour apprendre à configurer Apache STORM

Installation réalisée sur : Ubuntu  15.04

Environnement : Vmware Documents à consulter : 

Licence : 

Objectifs : 

Introduction

Un cluster se compose (figure 1) : 

-  d'un nœud Maître qui héberge Nimbus, ui et zookeeper ;

-  d'un ensemble de nœud esclaves qui hébergent un Supervisor.

Figure 1. Architecture d'un cluster Storm Le rôle de chaque élément est le suivant : 

-  Zookeeper : coordonne le fonctionnement de chaque élément ;

-  Nimbus : affecte les tâches à chaque nœud esclaves ;

-  ui : fournit une interface graphique de supervision ;

-  Supervisor : reçoit des tâches de Nimbus, démarre les éléments de la topologie et fournit un résultat.

Dans les tutoriels précédents nous avons hébergé ces éléments sur la même machine physique. Nous allons ici créer un cluster Storm à partir de 3 machines : 1 nœud maître et deux nœuds esclaves.

1.   Identifier une machine virtuelle sur le réseau

Il faut disposer d'adresse IP fixes et configurer correctement la machine virtuelle.

Nous allons supposer que nous disposons de 3 adresses de la forme suivante avec un DNS identifié par 172.16.64.250

Il faut se rendre dans le menu Paramètres de la VM dans la section Réseau et consulter la configuration de la carte 1. En général, la configuration est positionnée sur NAT, ce qui signifie que la VM peut accéder à Internet mais qu'elle n'est pas accessible sur le réseau.

Il faut basculer le mode d'accès au réseau en "Accès par pont" et sélectionner la carte réseau de la machine hôte (figure 2).

Figure 2. Modification de la configuration réseau

Avec Ubuntu on peut utiliser l'interface graphique pour configurer le réseau. Il suffit de cliquer sur l'icône du haut et de choisir Edit Connections (figure 3).

Figure 3. Accès à la configuration réseau sous Ubuntu

L'ensemble des connections apparait et dans la majorité des cas, une seule connexion sera dans la liste (figure 4).

Figure 4. Site de Zookeeper Il suffit de choisir

Figure 5. Ajout d'une adresse ip fixe

Une autre méthode, presque aussi rapide, consiste à éditer le fichier "interfaces" via la commande : sudo gedit /etc/network/interfaces

Le fichier doit être modifié comme celui de la figure 6.

Figure 6. Modification du fichier interfaces

Pour vérifier que tout fonctionne correctement.

1)  Il faut démarrer le cluster Storm avec la commande

2)  Dans un navigateur Internet, on peut consulter le site localhost:8772 sur la machine virtuelle (figure 7)

Figure 7. Storm ui consulté à partir de la machine virtuelle

3)  Dans un navigateur Internet, on peut consulter le site 172.16.76.32:8772 à partir de la machine hôte (figure 8)

Figure 8. Storm ui consulté à partir de la machine hôte

2.   Deux machines dans le cluster Storm

On retient une architecture avec 3 machines virtuelles (figure 9) :

-  la machine virtuelle 1 va héberger Nimbus et Zookeeper

-  les machines virtuelles 2 et 3 vont héberger chacun un Supervisor

Figure 9. Architecture avec 3 machines virtuelles

Configuration de la machine virtuelle 1

Il faut éditer le fichier qui se trouve dans le répertoire 

/Desktop/installation/storm/conf

Il faut modifier le contenu en remplaçant localhost par 172.16.76.32 (figure 10)

Figure 10. Le fichier

Sur cette machine, seuls Nimbus et Zookeeper doivent démarrer. Il faut éditer le fichier et le modifier comme suit : 

Configuration de la machine virtuelle 2

Il faut éditer le fichier qui se trouve dans le répertoire et le modifier comme cela a été fait pour la machine virtuelle 1. Et cette fois avec l'adresse ip 172.16.76.33.

Sur cette machine, seul le supervisor va fonctionner. Il faut éditer le fichier et le modifier comme suit : 

Vérification de la configuration

Une fois lancée, sous Windows, on peut se connecter à l'adresse de la machine virtuelle 1 , sur laquelle est exécutée l'interface de suivi de l'état du cluster Storm (figure 11).

Figure 11. Le cluster Storm

Configuration de la machine virtuelle 3.

Sa configuration est identique à celle de la machine 2 avec l'adresse ip 172.16.76.34.

Vérification de la configuration

La vérification se fait comme pour la machine virtuelle 2 à l'adresse . Une fois que les machines virtuelle 2 et 3 sont exécutées, l'interface de suivi de l'état du cluster doit afficher ces deux machines. 

Remarques : lors de la première connexion d'un nœud (ici la machine virtuelle 2 ou 3) au master

(machine virtuelle 1), ils s'échangent des données d'identifications qui sont contenues dans le dossier "data" du répertoire "storm". Afin d'identifier correctement les nœuds (par exemple lors d'un déplacement physique des machines) il faut penser à supprimer ce dossier avant une nouvelle connexion si on souhaite réinitialiser l'identification des machines.

3.   Tests

Il faut se rendre sur la machine Maître dans le répertoire bin de storm et taper en ligne de commande :

Si on prend une des "slave machine", dans le répertoire /Storm/logs, on peut trouver les fichiers (figure 12).

Figure 12. Un job exécuté sur l'esclave 1

On peut parcourir le fichier et on trouvera dans le fichier, une partie des affichages qu'on ne trouve pas sur la machine Maître (figure 13).

Figure 13. Une partie des résultats dans le fichier log.

4.   Principes d'exécution en parallèle

Comme nous l'avons rappelé au début de ce document, un cluster Storm met en jeu : 

-  Zookeeper : coordonne le fonctionnement de chaque élément ;

-  Nimbus : affecte les tâches à chaque nœud esclaves ;

-  ui : fournit une interface graphique de supervision ;

-  Supervisor : reçoit des tâches de Nimbus, démarre les éléments de la topologie et fournit un résultat.

L'ensemble de cette architecture s'exécute sur des ressources matérielles (machines) qu'on appelle des nœuds : un nœud maître et plusieurs nœuds esclaves. On peut retenir les définitions suivantes : 

-  Un master est une machine physique sur laquelle est installée un ensemble d'outils (Zookeeper, Storm…) afin de gérer le cluster.

-  Un nœud (node) est une machine virtuelle qui exécute une partie de la topologie (ainsi une machine physique peut contenir plusieurs nœuds de machines virtuelles visible à partir du master.

-  Un worker (travail à faire) est un processus Java affecté à une JVM sur un nœud. Plusieurs workers peuvent être affectés à un même nœud. Un worker peut contenir plusieurs executors.

-  Un executor est un thread c’est-à-dire un ensemble d'opérations exécutées de manière séquentielle. Un executor peut contenir plusieurs tasks.

-  Une tâche (ou task) peut être considérée comme l'instanciation d'un Spout ou d'un Bold. Dans l'architecture Storm, c'est donc l'élément le plus petit qui réalise une fonction.

Figure 14. Principe des threads et worker

Ce principe appliqué au problème de décompte des mots donne le schéma de la figure 15. On met en évidence que 4 threads s'exécutent en parallèle dans le système, la communication se faisant par l'intermédiaire des streams échangés entre les threads.

Un node : 172.16.76.33

Worker

Figure 14. Principe des threads pour le décompte des mots

Remarque : 

5.   Principes de gestions des Threads

Définir le nombre de workers

Par défaut le nombre de worker est fixé à 1, mais on peut spécifier le nombre de worker en utilisant la méthode setNumWorker(). Ce qui donne un code comme celui-ci :

Avec cette modification, le code Java du main() devient : 

Configurer les tâches et les threads : ajout d'un spout

Le nombre de threads à utiliser pour une tâches (bolt ou spout) est défini au moment où on définit les Streams qui relient les composants.

Pour ajouter deux spouts de type "spout_genere_phrases" il faut ajouter un troisième paramètres de valeur 2 :

Par défaut, cela crée en tout 2 tasks de "spout_genere_phrases" dans 2 executors différents.

Dans ce cas, la topologie devient celle de la figure 16.

Figure 16. Principe des threads pour le décompte des mots

Configurer les tâches et les threads : ajout d'un bolt de découpage

A l'intérieur d'un même thread, on peut exécuter plusieurs bolts et on obtient ainsi une topologie dans laquelle le thread 2 va exécuter 4 tâches de type "bolt_decoupe". 

Ce code crée donc 4 tasks de type "bolt_decoupe" qui sont exécutés dans 2 executors différents. Storm équilibre automatiquement : il y a donc 2 tasks dans chacun des executors. L'ensemble de ces tasks reçoivent un flux du Spout. La topologie est alors celle de la figure 17.

Figure 17. Principe des threads pour la découpe des mots

Configurer les tâches et les threads : ajout d'un bolt de comptage

Ainsi à l'intérieur d'un même executor, on peut exécuter plusieurs tasks. On réalise cela pour le bold "bolt_compte". On obtient une topologie dans laquelle le thread 3 va exécuter 2 bolts.

En conclusion, la topologie est celle de la figure 18, dans l'hypothèse où il n'y aurait qu'un seul worker.

Figure 18. Principe des threads pour le décompte des mots

Or nous avons choisie d'utiliser 2 workers : Storm va donc équilibré cette topologie sur 2 nœuds différents. Il est probable que la topologie avec 2 workers soit celle de la figure 19.

Figure 19. Définition de la topologie avec 2 workers

6.   Principes de gestion des streams

Il a 7 politiques de gestion des streams.

Table 1. Les différentes politiques de gestion des streams

Il est possible de définir sa propre politique de gestion des streams en utilisant l'interface CustomStreamGrouping qui se présente comme suit : 

7.   Test : 3 workers, 3 ports par worker

Lors de la configuration des nœuds et du master plusieurs paramètres sont à définir dans le fichier . Pour ce test, il s'agit de configurer un master (avec cinq ports ouverts : 6700, 6701 et 6702, 6703 et 6704) et 3 nœuds (appelés workers) qui se connectent tous les trois aux ports 6701, 6702 et 6703. La figure 20 résume cette configuration.

Master

Figure 20. Topologie du test 3 workers, 3 ports par worker

Une topologie avec cinq bolts indépendants est envoyée au master. Le code représente en réalité cinq fonctions de calculs complexes qui ont été manipulées pour durer plusieurs secondes : cela permet de visualiser les temps de calculs dans les fichiers logs. Les résultats sont donnés sous forme de diagramme de Gantt à la figure 21.

Figure 21. Résultat de la topologie du test 3 workers, 3 ports par worker

8.   Test : 3 workers, 1 ports par worker

Lors de la configuration des noeuds et du master plusieurs paramètres sont à définir dans le fichier . Pour ce test, il s'agit de configurer un master (avec cinq ports ouverts : 6700,

6701 et 6702, 6703 et 6704) et 3 nœuds (appelés workers) qui se connectent chacun à un port spécifique : nœud 1 avec le port 6701, nœud 2 avec le port 6702 et nœud 3 avec le port 6703. La figure 22 résume cette configuration.

Master

Figure 22. Topologie du test 3 workers, 1 ports par worker

La même topologie avec cinq bolts indépendants est envoyée au master. Les résultats sont donnés sous forme de diagramme de Gantt à la figure 21.

Figure 21. Résultat de la topologie du test 3 workers, 1 ports par worker