2019独角兽企业重金招聘Python工程师标准>>>

最近把Twitter Storm的新特性：可插拔式的任务分配器(Pluggable Scheduler)给实现了，将在0.8.0版本里面跟大家见面。这篇文章先给大家尝尝鲜，介绍下这个新特性。

在Pluggable Scheduler之前，Twitter Storm里面对于用户提交的每个Topology进行任务分配是由nimbus来做的，nimbus的任务分配算法可是非常牛逼的哦，主要特点如下

• 在slot充沛的情况下，能够保证所有topology的task被均匀的分配到整个机器的所有机器上
• 在slot不足的情况下，它会把topology的所有的task分配到仅有的slot上去，这时候其实不是理想状态，所以。。
  • 在nimbus发现有多余slot的时候，它会重新分配topology的task分配到空余的slot上去以达到理想状态。
• 在没有slot的时候，它什么也不做

一般情况下，用这种默认的task分配机制就已经足够了。但是也会有一些应用场景是默认的task分配机制所搞定不了的，比如

• 如果你想你的spout分配到固定的机器上去 — 比如你的数据就在那上面
• 如果你有两个topology都很耗CPU，你不想他们运行在同一台机器上
• …

这些情况下我们默认的task分配机制虽然强大，却是搞不定的，因为它根本就不考虑这些。所以我们设计了新的Pluggable Scheduler机制，使得用户可以编写自己的task分配算法 — Scheduler来实现自己特定的需求。下面我们就来亲自动手来看看怎么才能实现上面提到的默认Scheduler搞不定的第一个场景，为了后面叙述的方便，我们来细化一下这个需求：让我们的名为special-spout的组件分配到名为special-supervisor的supervisor上去

要实现一个Scheduler其实很简单，只要实现IScheduler

public interface IScheduler {/*** 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>*/publicvoid schedule(Topologies topologies, Cluster cluster);
}

这个接口会提供两个参数，其中Topologies包含当前集群里面运行的所有Topology的信息：StormTopology对象，配置信息，以及从task到组件(bolt, spout)id的映射信息。Cluster对象则包含了当前集群的所有状态信息：对于系统所有Topology的task分配信息，所有的supervisor信息等等 — 已经足够我们实现上面的那个需求了，让我们动手吧

找出我们的目标Topology

首先我们要确定我们的topology是否已经提交到集群了，很简单，到topologies对象里面找找看，找到了的话就说明已经提交了。

只要这个topology不为null的话就说明这个topology已经提交了。

目标Topology是否需要分配

紧接着我们要看看这个topology需不需要进行task分配 — 有可能之前分配过了。怎么弄呢？很简单，Cluster对象已经提供了api可以使用

这里要说明的一点是，有关Scheduler编写的几乎所有api都是定义在Cluster类里面，大家只要把这个类搞熟悉，编写起Scheduler起来应该就得心应手了。如果这个topology需要进行task分配我们还要看下有那些task需要进行分配 — 因为可能有部分task已经被分配过了

我们的目标spout是否需要分配？

因为我们的目标是让名为special-spout的组件运行在名为special-supervisor的supervisor上，所以我们要看看这些task里面有没有是属于special-spout的task，很简单，上面返回的componentToTasks就是从component-id到task-ids的一个映射。所以要找出special-spout就很简单了

找出目标supervisor

找到我们要分配的task之后，我们还要把我们的special-supervisor找出来，Cluster同样提供了方便的方法:

// 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.get("name").equals("special-supervisor")) {specialSupervisor = supervisor;break;}
}

这里要特别说明一下Map meta = (Map) supervisor.getSchedulerMeta();, 我们前面说名为special-supervisor的supevisor，其实在storm里面supervisor是没有名字的，这里我们所谓的名字是从supervisor.getSchedulerMeta里面找出来的，这个schedulerMeta是supervisor上面配置的给scheduler使用的一些meta信息，你可以配置任意信息！比如在这个例子里面，我在storm.yaml里面配置了:

这样我们才能用meta.get("name").equals("special-supervisor")找到我们的special-supervisor到这里我们就找到了我们的special-supervisor，但是要记住一点的是，我们的集群里面有很多topology，这个supervisor的slot很可能已经被别的topology占用掉了。所以我们要检查下有没有slot了

判断上面的availableSlots是不是空就知道有没有空余的slot了，如果没有slot了怎么办？没别的topology占用掉了怎么办？很简单！把它赶走

最后一步：分配

到这里为止呢，我们要分配的tasks已经有了，要分配到的slot也搞定了，剩下的就分配下就好了(注意，这里因为为了保持例子简单，代码做了简化)

我们的目标实现了! 随着cluster.assign的调用，我们已经把我们的special-spout分配到special-supervisor上去了。不难吧

别的任务谁来分配?

不过有件事情别忘了，我们只给special-spout分配了task, 别的task谁来分配啊？你可能会说我不关心啊，没关系，把这个交给系统默认的分配器吧：我们已经把系统的默认分配器包装到backtype.storm.scheduler.EvenScheduler里面去了，所以你简单调用下就好了

让Storm知道我们的Scheduler

哦，有一件事情忘记说了，我们完成了我们的自定义Scheduler，怎么让storm知道并且使用我们的Scheduler呢？两件事情：

• 把包含这个Scheduler的jar包放到$STORM_HOME/lib下面去
• 在storm.yaml 里面作如下配置:
  帮助

  storm.scheduler: "storm.DemoScheduler"

这样Storm在做任务分配的时候就会用你的storm.DemoScheduler, 而不会使用默认的系统Scheduler

。

这个例子的完整代码可以在这里看到。