首页 > 代码库 > 【Twitter Storm系列】Storm环境配置及吞吐量测试调优--个人理解

【Twitter Storm系列】Storm环境配置及吞吐量测试调优--个人理解

1、硬件配置信息

6台服务器,2CPU96G6核,24线程 

2、集群信息

Storm集群1nimbus,6个supervisor

nimbus192.168.7.127

supervisor

192.168.7.128

192.168.7.129

192.168.7.130

192.168.7.131

192.168.7.132

192.168.7.133 

Zookeeper集群:

3个节点

192.168.7.127:2181, 192.168.7.128:2181, 192.168.7.129:2181

Kafka集群:

7个节点

192.168.7.127:9092

192.168.7.128:9092

192.168.7.129:9092

192.168.7.130:9092

192.168.7.131:9092

192.168.7.132:9092

192.168.7.133:9092

3、配置关系解析

按照服务器的硬件配置可以计算得到以下信息:

1、worker和slot的关系是一一对应的,一个worker占用一个slot。计算集群worker和slot数量一般以每个服务器的CPU线程数来计算。

如上面的环境就是

workerslot144 (6个supervisor,每个supervisor 都是24线程的CPU,24*6=144)

2、spout并发数,也就是setSpout后面的参数10------builder.setSpout("words",newKafkaSpout(kafkaConfig),10);

这里我在测试的时候,是使用kafka和storm做数据传输,kafka有一个partition的机制,Spout线程数量根据kafka topicpartition数量

来定义,一般是1:1的关系,就是当前topicpartition数量为18,则spout的线程数量可以设置为18也可以稍微比这个数多,但是不能

多太多;具体需要多少个kafka partition大伙可根据需求来做测试找到自己需要的数值

3、bolt的并发数------builder.setBolt("words",newKafkaBolt(),10);

bolt的并发数量,决定了处理掉效率,bolt并发度为1,面对大的数据量可能会很慢,bolt并发度过高,也不好,可能会照成资源浪费。

具体数值需测试决定

3、吞吐量测试(以下只列举了部分场景。所有测试的数据请看附件)

测试场景1:

partition 20

worker 10

Spout 20

Bolt 1

计算结果:

 

测试场景2:

partition 20

worker 20

Spout 20

Bolt 1

测试结果:


场景3:(数据生成程序在128-132上执行,每个程序100个现成,资源也有一定的占用,所以实际结果可能要比测试结果好点)

Topic 5

Partition 20 

Spout 20 

Worker 20 

Bolt 1

测试结果:


 

总结结果:

5Topic20partition20*5worker20*5spout1*5bolt

总的吞吐量=5.04+4.02+5.76+6.31+4.99=26.12

 

每秒吞吐量为26.12

每日吞吐将近226亿

总结:

影响storm吞吐量的因素有以下几个:spout并发数,worker数量(与slot挂钩),kafka的partition数量

其实这里spout的并发数和kafka的partition的数量是挂钩的。

这里要注意的是,提高worker的数量,虽然可以提高吞吐量,但是要知道,worker的数量和集群的机器数量是挂钩的,是有限制的。

所以需要通过测试设置你自己觉得合理的一个数值;因为如果一个任务设置的worker数量过多,也就说明了留给其他任务的worker

数量就越少,运行的任务也就越少。所以只要符合业务需求的那个值才是最好的;

具体的测试结果看附件;

转载请注明源地址:

http://blog.csdn.net/weijonathan/article/details/38536671

http://www.51studyit.com/html/notes/20140813/1054.html