这篇文章主要讲解了“Storm排序怎么实现”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Storm排序怎么实现”吧！
创新互联公司2013年开创至今，是专业互联网技术服务公司，拥有项目成都网站制作、网站设计网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元润州做网站,已为上家服务,为润州各地企业和个人服务,联系电话:18980820575
阅读背景：
1 ： 您需要对滑动窗口要初步了解
2 : 您需要了解滑动窗口在滑动的过程之中，滑动chunk的计算过程，尤其是每发射一次，就需要清空一次。
package com.cc.storm.bolt;
import java.util.HashMap;
import java.util.HashSet;
import java.util.Map;
import java.util.Set;
import backtype.storm.task.OutputCollector;
import backtype.storm.task.TopologyContext;
import backtype.storm.topology.IRichBolt;
import backtype.storm.topology.OutputFieldsDeclarer;
import backtype.storm.tuple.Fields;
import backtype.storm.tuple.Tuple;
import backtype.storm.tuple.Values;
import backtype.storm.utils.Utils;
/**
* 1 在这里我们需要去实现一个滑动窗口，请注意，在我们实现滑动窗口的过程之中清空的是当前滑动窗口的下一个
*
*
*
* @author Yin Shuai
*
*/
public class RollingCountBolt implements IRichBolt {
private static final long serialVersionUID = 1765379339552134320L;
private HashMap _objectCounts = new HashMap();
private int _numBuckets;
private transient Thread cleaner;
private OutputCollector _collector;
/**
* _trackMinute
* 是我们整个滑动窗口的大小，滑动窗口的大小，本质上决定了我们的时间区间，也就是说，假设我们目前滑动窗口的总体大小为15分钟。
* 那我们的商品点击的实时排序的指标值，好比商品浏览量的计算值，也就是15分钟
*
* 而单个窗口的大小也就是我，我们这个三十分钟在随着时间不断的在推移
*
* 举例说明：在最初的构造过程之中,如果我们的桶的数目为10，那么单个窗口的时间长度为3.
*
* [0,30],[3,33],[6,36],[9,39],[12,42] 统计的数值处在不断的变化之中
*
*/
private int _trackMinutes;
public RollingCountBolt(int numBuckets, int trackMinutes) {
this._numBuckets = numBuckets;
this._trackMinutes = trackMinutes;
}
public long totalObjects(Object obj) {
long[] curr = _objectCounts.get(obj);
long total = 0;
for (long l : curr) {
total += l;
}
return total;
}
public int currentBucket(int buckets) {
return currentSecond() / secondsPerBucket(buckets) % buckets;
}
public int currentSecond() {
return (int) (System.currentTimeMillis() / 1000);
}
/**
*
* @param buckets
* 你设定的桶的数量
* @return 依据我们默认的_trackMinutes / buckets 得到每一个桶的数量
*/
public int secondsPerBucket(int buckets) {
return _trackMinutes * 60 / buckets;
}
public long millisPerBucket(int buckets) {
return (long) 1000 * secondsPerBucket(buckets);
}
@SuppressWarnings("rawtypes")
@Override
public void prepare(Map stormConf, TopologyContext context,
OutputCollector collector) {
// TODO Auto-generated method stub
_collector = collector;
cleaner = new Thread(new Runnable() {
@SuppressWarnings("unchecked")
@Override
public void run() {
// TODO Auto-generated method stub
int lastBucket = currentBucket(_numBuckets);
while (true) {
int currBucket = currentBucket(_numBuckets);
p("线程while循环： 当前的桶为：" + currBucket);
if (currBucket != lastBucket) {
p("线程while循环:之前的桶数为：" + lastBucket);
int bucketToWipe = (currBucket + 1) % _numBuckets;
p("线程while循环:要擦除掉的桶为：" + bucketToWipe);
synchronized (_objectCounts) {
Set objs = new HashSet(_objectCounts.keySet());
for (Object obj : objs) {
long[] counts = _objectCounts.get(obj);
long currBucketVal = counts[bucketToWipe];
p("线程while循环:擦除掉的值为:" + currBucketVal);
counts[bucketToWipe] = 0;
long total = totalObjects(obj);
if (currBucketVal != 0) {
p("线程while循环:擦除掉的值为不为0：那就发射数据：obj total"
+ obj + ":" + total);
_collector.emit(new Values(obj, total));
}
if (total == 0) {
p("线程while循环: 总数为0以后,将obj对象删除");
_objectCounts.remove(obj);
}
}
}
lastBucket = currBucket;
}
long delta = millisPerBucket(_numBuckets)
- (System.currentTimeMillis() % millisPerBucket(_numBuckets));
Utils.sleep(delta);
p("\n");
}
}
});
cleaner.start();
}
@Override
public void execute(Tuple input) {
Object obj1 = input.getValue(0);
Object obj = input.getValue(1);
int currentBucket = currentBucket(_numBuckets);
p("execute方法:当前桶：bucket： " + currentBucket);
synchronized (_objectCounts) {
long[] curr = _objectCounts.get(obj);
if (curr == null) {
curr = new long[_numBuckets];
_objectCounts.put(obj, curr);
}
curr[currentBucket]++;
System.err
.print(("execute方法：接受到的merchandiseIDS:" + obj.toString() + ",long数组："));
for (long number : curr) {
System.err.print(number + ":");
}
p("execute方法:发射的数据： " + obj + ":" + totalObjects(obj));
/**
* 我们不断的发射的也就是我们某一个商品id，在当前滑动窗口，也就是我们的时间周期内的指标计算值
* 要注意，在排序的过程之中，我们只针对key， 也就是我们的商品id，由此发射给后续的排序bolt依据包含了时间区间的信息
*/
// 每来一条数据，就会发射一次
_collector.emit(new Values(obj, totalObjects(obj)));
_collector.ack(input);
}
p("\n");
}
@Override
public void cleanup() {
// TODO Auto-generated method stub
}
@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
// TODO Auto-generated method stub
declarer.declare(new Fields("merchandiseID", "count"));
}
@Override
public Map getComponentConfiguration() {
// TODO Auto-generated method stub
return null;
}
public void p(Object o) {
System.err.println(o.toString());
}
} 在这里，最需要我们关注的地方是，滑动窗口每滑动一次，将情况一组数据。 而发射数据的过程之中将统计这一组数
据。
感谢各位的阅读，以上就是“Storm排序怎么实现”的内容了，经过本文的学习后，相信大家对Storm排序怎么实现这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
