开发经验总结

• 在架构上，推荐 “消息中间件 + jstorm + 外部存储” 3架马车式架构

  • JStorm从消息中间件中取出数据，计算出结果，存储到外部存储上
  • 通常消息中间件推荐使用RocketMeta，Kafka
  • 外部存储推荐使用HBase，Mysql
  • 该架构，非常方便JStorm程序进行重启（如因为增加业务升级程序）
  • 职责清晰化，减少和外部系统的交互，JStorm将计算结果存储到外部存储后，用户的查询就无需访问JStorm中服务进程，查询外部存储即可。 *在实际计算中，常常发现需要做数据订正，因此在设计整个项目时，需要考虑重跑功能 *在meta中，数据最好带时间戳 *如果计算结果入hadoop或数据库，最好结果也含有时间戳

• 如果使用异步kafka/meta客户端(listener方式)时，当增加/重启meta时，均需要重启topology

• 如果使用trasaction时，增加kafka/meta时， brokerId要按顺序，即新增机器brokerId要比之前的都要大，这样reassign spout消费brokerId时就不会发生错位。

• 非事务环境中，尽量使用IBasicBolt

• 计算并发度时，

  • spout 按单task每秒500的QPS计算并发
  • 全内存操作的task，按单task 每秒2000个QPS计算并发
  • 有向外部输出结果的task，按外部系统承受能力进行计算并发。

• 对于MetaQ 和 Kafka，

  • 拉取的频率不要太小，低于100ms时，容易造成MetaQ/Kafka 空转次数偏多
  • 一次获取数据Block大小推荐是2M或1M，太大内存GC压力比较大，太小效率比较低。

• 推荐一个worker运行2个task

• 条件允许时，尽量让程序可以报警，比如某种特殊情况出现时，比如截止到凌晨2点，数据还没有同步到hadoop，发送报警出来

哪位朋友有好的经验愿意分享， 可以发邮件给我们 [email protected]