jstorm集成kafka
本人是spark的拥趸，因为工作中需要用到jstorm，作记录如下。
pom.xml
com.alibaba.jstorm jstorm-core 2.1.1 provided org.slf4j slf4j-nop org.slf4j slf4j-jdk14 org.slf4j jcl-over-slf4j org.apache.storm storm-kafka 0.9.6 org.apache.kafka kafka_2.11 0.9.0.1 org.apache.zookeeper zookeeper log4j log4j mysql mysql-connector-java 5.1.6 commons-dbcp commons-dbcp 1.4 redis.clients jedis 2.6.3 javax.mail 1.4.7 maven-compiler-plugin 3.1 1.7 1.7 utf8
没什么好说的，无非都是常规的东西。需要注意的是做好kafka的offset的维护。
其它需要注意的两点，异常消息的处理和限流。
异常消息的处理其实就是ack/fail的问题。使用BaseBasicBolt的话，它会自动帮你实现ack与fail。但需要手动抛出FailException。这样的话，一旦出现异常，整个topology就退出集群了，这是不可接受的。
无奈只有使用IRichBolt,手动去捕获异常。这样如果异常不是数据结构的问题，只是下游比如获取其它数据连接问题比如邮件服务器问题，那么失败了不去更新offset，下次启动的时候还能继续消费。也无需去手动重发。
如果需要重发的话，storm只能自己实现，jstorm可以通过以下方式：
public interface IFailValueSpout { void fail(Object msgId, List
想要实现ack/fail必须满足以下三点：
1. 在spout emit tuple的时候，要加上第3个参数messageid
2. 在配置中acker数目至少为1
3. 在bolt emit的时候，要加上第二个参数anchor tuple，以保持tracker链路
第1点，由于使用的是KafkaSpout，已经实现了。
第2点：
config.setNumAckers(1);
第3点：
collector.emit(input,new Values(map));
限流的问题，主要是考虑到可能会有的这么一种场景。如果jstorm集群意外退出，或者升级出现情况，导致长时间无法重启。而这时候kafka集群生产端消息源源不断在产生新的消息。当重启jstorm集群的时候，势必会导致消息大量涌入jstorm集群。
还有一种场景就是，消息量不稳定，时大时小，那么非常有必须设置这个参数进行限流。
那么这时候需要对消息进行限流。在spark streaming中可以对kafka每个分区每秒的消息数进行限制;考虑到如果直接写死一个值，在低谷期间会造成资源的浪费，可以通过资源实现情况来限流。
而jstorm则通过topology.max.spout.pending来设置。它表示jstorm集群中可能缓存也就是待消费的消息数。如果大于这个数，新的消息就不会进来。
如果需要在jstorm里面连接mysql或者redis，必须要在prepare里面初始化连接或者连接池。prepare执行次数与 parallelism_hint相关。
也可以通过storm-jdbc。