Storm的Metric接口简介

本文由作者林洋港授权网易云社区发布。作为服务端程序，我们总是需要向外界报告一些统计数据，以助于了解系统的运行情况，比如某个接口的调用时间、系统处理的请求数等等。当我们的程序以Storm Topology的形式运行时同样需要输出这些统计数据。Storm为我们提供了Metric接口，可以方便的把一些统计指标输出到指定的地方。Storm Metric的统计方式为每隔指定的时间间隔输出统计内容。本文首先介绍Storm Metric相关的接口以及它们之间的关系，然后以实际应用中的一个例子来说明如何使用Metric接口。本文使用的Storm版本为0.9.1-incubating。IMetric是Storm用于保存统计数据的接口public interface IMetric {public Object getValueAndReset();}接口只有一个getValueAndReset方法，当需要输出统计内容时，Storm就会调用这个方法。值得注意的是getValueAndReset方法返回的是Object类型，这为统计内容的形式提供了灵活性，我们可以返回任意的类型作为统计信息，这一点在后面的例子中我们会再提到。另一个引起我们注意的地方是IMetric接口并没有声明更新统计数据的方法，这样当我们实现IMetric接口的时候就更加灵活了——参数类型、参数个数都没有限制。Storm自身提供了6个IMetric实现：AssignableMetric、CombinedMetric、CountMetric、MultiCountMetric、ReducedMetric、StateMetric。这里只介绍CountMetric和MultiCountMetric的使用方式，以印证前面说的IMetric接口统计数据更新方式的灵活性以及getValueAndReset返回Object类型的灵活性。CountMetric就是一个简单的计数器，有两个方法incr()和incrBy(long incrementBy)，其getValueAndReset方法返回一个long类型的值：public Object getValueAndReset() { long ret = _value; _value = 0; return ret;}MultiCountMetric，顾名思义，就是多个指标的计数器，维护着一个Map，只有一个方法CountMetric scope(String key)。因此MultiCountMetric的更新方式为MultiCountMetric.scope(key).incr()或MultiCountMetric.scope(key).incrBy(long incrementBy)。它的getValueAndReset返回的是一个Map：public Object getValueAndReset() { Map ret = new HashMap(); for(Map.Entry e : _value.entrySet()) { ret.put(e.getKey(), e.getValue().getValueAndReset()); } return ret;}除了IMetric接口，还有另外一个接口IMetricsConsumer，它负责向外输出统计信息，即把IMetric getValueAndReset方法返回的数据输出到外面。IMetricsConsumer有三个方法void prepare(Map stormConf, Object registrationArgument, TopologyContext context, IErrorReporter errorReporter);void handleDataPoints(TaskInfo taskInfo, Collection dataPoints);void cleanup();其中prepare是初始化，cleanup是生命周期结束时的清理工作，handleDataPoints才是真正的统计信息输出方法，taskInfo参数存储当前task的信息（host、port、component id、task id等等），dataPoints存储的是IMetric返回的统计信息，可能是出于性能考虑，dataPoints是一个集合，包含了多个IMetric返回的数据。让我们来具体看看DataPoint这个类：public static class DataPoint { @Override public String toString() { return “[” + name + " = " + value + “]”; } public String name; public Object value;}name是IMetric注册时的名字，value就是IMetric getValueAndReset返回的那个Object。Storm只提供了一个IMetricsConsumer实现——LoggingMetricsConsumer。LoggingMetricsConsumer做的事情很简单，就是把dataPoints输出到日志文件metrics.log，下面是其handleDataPoints方法的部分代码： for (DataPoint p : dataPoints) { sb.delete(header.length(), sb.length()); sb.append(p.name) .append(padding).delete(header.length()+23,sb.length()).append("\t") .append(p.value); LOG.info(sb.toString()); }可以看到它通过调用DataPoint的value的toString方法把统计信息输出到日志里面的，所以如果你的IMetric实现返回的是自己定义的类型，记得重载toString()方法，让统计信息以可读的格式输出。到这里Storm的Metric接口和自带的实现基本介绍完了，接下来我们来看看怎么使用Storm自带的这些实现。首先，Storm默认的配置是关掉Metric功能的，可以有两种方式开启Metric功能：1）在storm.yaml里面配置，这种是集群级别的设置，个人不建议这么做，所以就不多介绍了2）conf.registerMetricsConsumer(Class klass, long parallelismHint);这是topology级别的，klass是IMetricsConsumer的实现类，parallelismHint这个参数Storm代码里面没注释我也没深入看底层的实现，这里结合自己的实验谈谈它的意义：topology是在1个或多个worker上面以多个task的方式跑的嘛，parallelismHint就是指定多少个并发来输出统计信息。这里我也不知道parallelismHint指的是多个task、worker还是supervisor，反正parallelismHint=1的时候只在特定的一个supervisor下面的metrics.log有统计信息，parallelismHint>1时可能取决于worker的数量，我测试的时候由于是在多个supervisor上跑的，因此观察到多个supervisor都有metrics.log的输出。个人经验是parallelismHint设为1，这样可以在一个supervisor下面的metrics.log就能看到所有task的统计信息。由于我建议采用第二种方法，所以示例代码为：//客户端注册IMetricsConsumerconf.registerMetricsConsumer(LoggingMetricsConsumer.class);StormSubmitter.submitTopology(name, conf, builder.createTopology());//我们假设要统计spout某段代码的调用次数//注册IMetric@Overridepublic void open(Map conf, TopologyContext context, SpoutOutputCollector collector) { … metric=new CountMetric(); context.registerMetric(“spout time cost”, metric, 60); //因此DataPoint的name为spout time cost，60表示1分钟统计一次 …}//更新统计数据@Overridepublic void nextTuple() { if(…)… else{ … metric.incr(); }}这样就可以了，然后你就能在metrics.log看到统计数据了。现在，假设我们的需求跟上面不太一样：1）metrics.log只打印我们自己维护的统计信息，屏蔽__system、fail-count这种系统自己的统计信息；2）不只统计代码的调用次数，还要统计调用时间——最小时间、最大时间、平均时间。第一点可以通过重载LoggingMetricsConsumer的方法来实现：public class AppLoggingMetricsConsumer extends LoggingMetricsConsumer {@Overridepublic void handleDataPoints(TaskInfo taskInfo, Collection<DataPoint> dataPoints) { if (taskInfo.srcComponentId != null && taskInfo.srcComponentId.startsWith("")) return; if (dataPoints == null || dataPoints.isEmpty()) return; List<DataPoint> list = new ArrayList<DataPoint>(); for (DataPoint p : dataPoints) { if (p.name == null || p.name.startsWith("__")) continue; list.add(p); } if (list.isEmpty()) return; super.handleDataPoints(taskInfo, list);}}第二点需要开发我们自己的IMetric接口实现类TimeCostMetric，以下是其主要代码：@Overridepublic Object getValueAndReset() { TimeCost timeCost=new TimeCost(); timeCost.count=count; if(timeCost.count>0){ timeCost.min=min; timeCost.max=max; timeCost.mean=all*1.0/timeCost.count; } init(); return timeCost;}public void update(long time){ count++; all+=time; if(min>time)min=time; if(max<time)max=time;}public static class TimeCost implements Serializable{ private static final long serialVersionUID = 8355726599226036228L; int count; long min; long max; double mean; public String toString(){ return “count: “+count+”, min: “+min+”, max:"+max+”, mean: “+mean; }}TimeCostMetric的getValueAndReset方法返回的是一个TimeCost 对象，日志中最终打印的就是其toString方法的内容。然后把前面红色部分的代码改成下面的内容：① conf.registerMetricsConsumer(AppLoggingMetricsConsumer .class);② metric=new TimeCostMetric(); context.registerMetric(“MQ spout time cost”, metric, 60);③ metric.incr();再来看看metrics.log本文中是直接把统计信息打到日志中，你也可以自己实现IMetricsConsumer接口，把统计信息保存到指定的地方，如数据库、监控平台等等。免费领取验证码、内容安全、短信发送、直播点播体验包及云服务器等套餐更多网易技术、产品、运营经验分享请访问网易云社区。文章来源： 网易云社区