简介
Storm有4个调度器(defaultScheduler/IsolationScheduler/MultitenantScheduler/RAS),Jstorm只有一个调度器，但是其拥有4种模式(defaultScheduler/IsolationScheduler/User-defined Scheduler/The last Scheduler)，JStorm的调度模式需要在用ConfigExtension进行配置。
根据官网介绍，storm内置了4种调度器
分别是: DefaultScheduler, IsolationScheduler, MultitenantScheduler, ResourceAwareScheduler.
下面分别进行介绍，
DefaultScheduler是storm默认调度器，默认时，topology内的组件将随机分配至已有资源上。
IsolationScheduler
IsolationScheduler为资源隔离调度器，这个调度器是为了使得topology对服务器节点进行独占。使得不同的topology发布时，占用不同的服务器资源，彼此形成物理隔离。
使用如下:
编辑nimbus所在服务器下的storm.yaml，添加如下配置:
表明，我发布名字为zc1的topology时，此拓扑将独占两台服务器，zc2的topology将独占一台服务器。
之前我一共配备了3台服务器作为从节点。发布后效果如下:
由图可见，虽然我的服务资源里还有worker资源，但是由于zc1,zc2已经独占了3台服务器，所以我的otherTopology无法分配到计算资源。
MultitenantScheduler
官网并没有对此调度器进行说明，只是留下了这个类在github上的位置，我们通过阅读此类的源码，也可以分析出此类的调度规则。
根据代码可知，这种调度模式会为每个topology发布者构造一个自己专属的隔离资源池，之后会通过遍历topology集，通过为资源池分配topology关联来分配节点。
验证:
由图可见，root分配第三个topology时，已经无法分配。（注:storm这个功能不太稳定，不建议使用）
默认调度算法（Default scheduler algorithm）
Jstorm的default scheduler不仅仅像Storm那样实现了随机的资源分配，更考虑了稳定性，资源利用以及性能。
1.稳定性
均匀的将每个组件(spout/bolt)的线程(并行度)分配到集群中的各个节点。Jstorm会尽可能的将同一个组件的线程分配到不同的节点及worker上以减少同质竞争(同一个组件线程做的是一样的事情，比如可能都是cup密集型，那么放到不同节点就能提供效率，更好的利用资源)。
举个例子，一个集群有三个节点，node-A有3个worker，node-B有2个worker，node-C有一个worker。当用户提交一个topology(该topology需要4个worker，1个spout（X），一个bolt（Y），spout/bolt各占2个线程)。初始时：在Storm与Jstorm是一样的。
这时，如果node-C挂掉了，那么node-C中的worker必须要重写分配。如果是Storm的默认分配记过如下：
如果是Jstorm的默认调度来进行分配的化，结果如下:
显然，JStorm的默认调度算法比Storm的更加优秀。
2.负载均衡
Jstorm尽量保证每个worker所分得的线程数基本一致，并且worker在各个supervisors之间也尽量分配的均匀。例如，一个集群有3个节点，node-A有3个worker，noder-B有3个woker，node-C与3个woker。用户先提交了一个需要2个woker的topology，然后，又提交了一个需要4个worker的topology。
如果是Storm的默认调度算法来分配这两个topology，结果如下：
显然可以看出，这个分配是不均匀的。。而Jstorm的默认分配就能得到一个均匀的结果：
3.性能
Jstorm会试图将两个需要通讯的线程尽量放在一个worker中来减少网络的传输。例如：一个集群中有2个节点，node-A有2个worker，node-B有2个worker。当用户提交一个topology（需要2个worker，1个spout（X），2个bolt（Y、Z），三个组件各一个线程）。整个topology的数据流为X->Y->Z。如果Storm的默认调度算法来分配，可能的结果为：
显然中间需要网络间传输，而JStorm的分配就能避免这个问题:
这里Y与Z的通讯是进程间通讯。在进程间通讯，消息不需要序列与反序列化。这样会极大的提高效率。
想要（稳定性/性能/平衡）都同时满足是很困难的。Jstorm对于重要性排序是：稳定性>性能>负债均衡。
高级特性
JStorm具有一些高级特性，我们可以通过配置topology来使用这些功能。
1.IsolationScheduler
与Storm一样，JStorm也有IsolationScheduler。在storm中用户可以配置Nimbus来隔离特定的topology，决定分配多少机器给这些隔离的topology，配置项为Nimbus上的storm.yaml文件中的isolation.scheduler.machines。在隔离的topology分配好之后，那些没有被隔离的就使用剩下的机器。由于Jstorm将IsolationScheduler整合进了DefaultScheduler中，所以，在Jstorm中，我们需要在topology中进行配置，而不是在storm.yaml中。
2.User-defined Assignment Scheduler
顾名思义，用户通过这个可以自己定义分配方式。下面来看看一些需要自己定义分配方式的场景：
a.将Spout与bolt放到一个worker中来达到替代DRPC的目的
spoutA->bolt1->bolt2->resultbolt
我们可以把spoutA与resultbolt放到一个woker中，这样resultbolt的结果就能直接返回给spoutA。
b.将上下游的组件放在一起，避免网络传输。
c.强制将一个组件运行分配到一个特定的机器上。
例如，我们可以将一个操作数据库的组件强制分配到数据库所在的机器上，或者，将需要读kafka数据的组件放到kafka所在的机器上。
d.强制一个组件的不同线程运行在不同的机器中。
当然，用户也可以选择只对部分worker与线程进行自定义分配，那么其他还是使用默认的分配方式。
3.The Last Assignment Scheduler
为什么会有这么个奇怪的分配方式呢，这个分配就是很简单的，与上一次用一样的分布方式。
假设，你上了一个topology，然后，过了一段时间，你re-submit/restart这个topology，这时，如果与上次的分配方式不一样，topology上一次运行在各个节点留下的数据就没用了，而如果采用与上一次一样的分配方式，那么这些数据就能够得到重用。
当然，如果出现一个节点挂了，那么这个节点的woker的重新分配就是默认的分配方式了。
一、任务调度策略
当我们将topology提交到storm集群的时候，任务是怎样分配的呢，这就需要理解storm的任务调度策略，这里主要给大家分享默认的调度策略DefaultScheduler,在storm的1.1.0版本已经支持4种调度策略，分别是DefaultScheduler,IsolationScheduler,MultitenantScheduler,ResourceAwareScheduler。
二、Topology的提交过程
在理解默认的调度策略之前，先看一下我们提交一个topology到集群的整个流程图。
主要分为几步：
1、非本地模式下，客户端通过thrift调用nimbus接口，来上传代码到nimbus并触发提交操作.
2、nimbus进行任务分配，并将信息同步到zookeeper.
3、supervisor定期获取任务分配信息，如果topology代码缺失，会从nimbus下载代码，并根据任务分配信息，同步worker.
4、worker根据分配的tasks信息，启动多个executor线程，同时实例化spout、bolt、acker等组件，此时，等待所有connections（worker和其它机器通讯的网络连接）启动完毕，storm集群即进入工作状态。
5、除非显示调用kill topology，否则spout、bolt等组件会一直运行。
下面我们来看一下整个topolgoy提交过程的源代码
Main方法里面的提交代码
StormSubmitter.submitTopology("one-work",config,builder.createTopology());
然后调用下面方法
[java]view plain copy publicstaticvoidsubmitTopologyAs(Stringname,MapstormConf,StormTopologytopology,SubmitOptionsopts,ProgressListenerprogressListener,StringasUser)throwsAlreadyAliveException,InvalidTopologyException,AuthorizationException,IllegalArgumentException{//配置文件必须能够被Json序列化if(!Utils.isValidConf(stormConf)){thrownewIllegalArgumentException("Stormconfisnotvalid.Mustbejson-serializable");}stormConf=newHashMap(stormConf);//将命令行的参数加入stormConfstormConf.putAll(Utils.readCommandLineOpts());//先加载defaults.yaml,然后再加载storm.yamlMapconf=Utils.readStormConfig();conf.putAll(stormConf);//设置zookeeper的相关权限stormConf.putAll(prepareZookeeperAuthentication(conf));validateConfs(conf,topology);Map<String,String>passedCreds=newHashMap<>();if(opts!=null){CredentialstmpCreds=opts.get_creds();if(tmpCreds!=null){passedCreds=tmpCreds.get_creds();}}Map<String,String>fullCreds=populateCredentials(conf,passedCreds);if(!fullCreds.isEmpty()){if(opts==null){opts=newSubmitOptions(TopologyInitialStatus.ACTIVE);}opts.set_creds(newCredentials(fullCreds));}try{//本地模式if(localNimbus!=null){LOG.info("Submittingtopology"+name+"inlocalmode");if(opts!=null){localNimbus.submitTopologyWithOpts(name,stormConf,topology,opts);}else{//thisisforbackwardscompatibilitylocalNimbus.submitTopology(name,stormConf,topology);}LOG.info("Finishedsubmittingtopology:"+name);//这里重点分析将topology提交到集群模式}else{//将配置信息转为json字符串StringserConf=JSONValue.toJSONString(stormConf);//校验集群中topology-name是否已经存在if(topologyNameExists(conf,name,asUser)){thrownewRuntimeException("Topologywithname`"+name+"`alreadyexistsoncluster");}//将jar包上传至nimbus,这个时候topology还没有正在跑起来，只是将jar提交到了nimbus，等待后续的任务调度Stringjar=submitJarAs(conf,System.getProperty("storm.jar"),progressListener,asUser);try(//获取Nimbusclient对象NimbusClientclient=NimbusClient.getConfiguredClientAs(conf,asUser)){LOG.info("Submittingtopology"+name+"indistributedmodewithconf"+serConf);//调用submitTopologyWithOpts正式向nimbus提交拓扑,其实所谓的提交拓扑，就是将拓扑的配置信息通过thrift发送到thriftserver，并把jar包上传到nimbus，等待nimbus的后续处//理，此时拓扑并未真正起来，直至recv_submitTopology获得成功的返回信息为止if(opts!=null){client.getClient().submitTopologyWithOpts(name,jar,serConf,topology,opts);}else{//thisisforbackwardscompatibilityclient.getClient().submitTopology(name,jar,serConf,topology);}LOG.info("Finishedsubmittingtopology:"+name);}catch(InvalidTopologyExceptione){LOG.warn("Topologysubmissionexception:"+e.get_msg());throwe;}catch(AlreadyAliveExceptione){LOG.warn("Topologyalreadyaliveexception",e);throwe;}}}catch(TExceptione){thrownewRuntimeException(e);}invokeSubmitterHook(name,asUser,conf,topology);}
继续调用
[java]view plain copy publicstaticStringsubmitJarAs(Mapconf,StringlocalJar,ProgressListenerlistener,StringasUser){if(localJar==null){thrownewRuntimeException("Mustsubmittopologiesusingthe'storm'clientscriptsothatStormSubmitterknowswhichjartoupload.");}//如果获取了nimbusclienttry(NimbusClientclient=NimbusClient.getConfiguredClientAs(conf,asUser)){//获取topology-jar对应的存放地址StringuploadLocation=client.getClient().beginFileUpload();LOG.info("Uploadingtopologyjar"+localJar+"toassignedlocation:"+uploadLocation);BufferFileInputStreamis=newBufferFileInputStream(localJar,THRIFT_CHUNK_SIZE_BYTES);longtotalSize=newFile(localJar).length();if(listener!=null){listener.onStart(localJar,uploadLocation,totalSize);}longbytesUploaded=0;while(true){byte[]toSubmit=is.read();bytesUploaded+=toSubmit.length;if(listener!=null){listener.onProgress(localJar,uploadLocation,bytesUploaded,totalSize);}if(toSubmit.length==0)break;//一块一块的提交jarclient.getClient().uploadChunk(uploadLocation,ByteBuffer.wrap(toSubmit));}//完成jar包提交client.getClient().finishFileUpload(uploadLocation)；if(listener!=null){listener.onCompleted(localJar,uploadLocation,totalSize);}LOG.info("Successfullyuploadedtopologyjartoassignedlocation:"+uploadLocation);//返回存放jar的位置returnuploadLocation;}catch(Exceptione){thrownewRuntimeException(e);}} 继续调用
[java]view plain copy publicvoidsubmitTopology(Stringname,StringuploadedJarLocation,StringjsonConf,StormTopologytopology)throwsAlreadyAliveException,InvalidTopologyException,AuthorizationException,org.apache.thrift.TException{//发送topology相关信息到nimbussend_submitTopology(name,uploadedJarLocation,jsonConf,topology);//接收返回结果recv_submitTopology();} 继续调用：
[java]view plain copy publicvoidsend_submitTopology(Stringname,StringuploadedJarLocation,StringjsonConf,StormTopologytopology)throwsorg.apache.thrift.TException{submitTopology_argsargs=newsubmitTopology_args();args.set_name(name);args.set_uploadedJarLocation(uploadedJarLocation);args.set_jsonConf(jsonConf);args.set_topology(topology);sendBase("submitTopology",args);} 继续调用：
[java]view plain copy publicvoidrecv_submitTopology()throwsAlreadyAliveException,InvalidTopologyException,AuthorizationException,org.apache.thrift.TException{submitTopology_resultresult=newsubmitTopology_result();receiveBase(result,"submitTopology");if(result.e!=null){throwresult.e;}if(result.ite!=null){throwresult.ite;}if(result.aze!=null){throwresult.aze;}return;}
三、任务分配
在上面我们已经将topology提交到到nimbus了，下一步就是任务分配，strom默认4种分配策略。
DefaultScheduler策略，DefaultScheduler其实主要有几步
1、首先是获取当前集群中需要进行任务分配的topology
2、获取整个集群可用的slot
3、获取当前topology需要分配的executor信息
4、计算当前集群可释放的slot
5、统计可释放的solt和空闲的solt
6、执行topology分配
下面我们用一个列子来说明
比如初始状态下，集群的状态如下：2个supervisor，每个supervisor有4个可用的端口,这里我已A,B分别代表2个supervisor,那么初始情况下整个集群可用的端口地址就是：
A-6700,A-6701,A-6703,A-6704,B-6700,B-6701,B6702,B-6703。
Step1：现在我提交一个topology到集群，这个拓扑我给他分配2个worker端口,6个executor线程，每个线程默认运行一个任务就是6个task。当我们提交这个拓扑的时候，首先集群会将可用的solts进行排序如上可用端口的顺序，然后计算线程和任务的对应关系，这里都是6个，格式为[start-task-id end-task-id]就[1,1][2,2][3,3],[4,4],[5,5],[6,6]然后分配到2个worker上，那么每个worker分别跑3个线程即分配状态为[3,3]。
综上：分配的结果为:
[1,1],[2,2],[3,3] --->worker1
[4,4],[5,5],[6,6] --->worker2
而非常重要的是storm为了合理利用资源，在将可用slots排序后，依次选择worker来运行任务，也就是worker1对应A--6700,worker2对应B--6700。
下面我们来看一下storm集群的日志文件
首先提交topology
然后看一下nimbus.log日志
[java]view plain copy -04-0922:00:12.502o.a.mon[INFO]Startedstatisticsreportplugin...-04-0922:00:12.575o.a.s.d.nimbus[INFO]Startingnimbusserverforstormversion'1.0.0'-04-0922:03:13.661o.a.s.d.nimbus[INFO]Uploadingfilefromclientto/bigdata/storm/datas/nimbus/inbox/stormjar-f16a2908-869a-418d-a589-ff6c7968724f.jar-04-0922:03:16.163o.a.s.d.nimbus[INFO]Finisheduploadingfilefromclient:/bigdata/storm/datas/nimbus/inbox/stormjar-f16a2908-869a-418d-a589-ff6c7968724f.jar-04-0922:03:16.328o.a.s.d.nimbus[INFO]ReceivedtopologysubmissionfortestTopologySubmitwithconf{"topology.max.task.parallelism"nil,"topology.submitter.principal""","topology.acker.executors"nil,"topology.eventlogger.executors"0,"topology.workers"2,"topology.debug"false,"storm.zookeeper.superACL"nil,"topology.users"(),"topology.submitter.user""root","topology.kryo.register"nil,"topology.kryo.decorators"(),"storm.id""testTopologySubmit-1-1491800596","topology.name""testTopologySubmit"}-04-0922:03:16.335o.a.s.d.nimbus[INFO]uploadedJar/bigdata/storm/datas/nimbus/inbox/stormjar-f16a2908-869a-418d-a589-ff6c7968724f.jar
获取集群可用的solts：
可以看到分配到了slave1和slave2的6700端口
slave1--132机器
slave2-134机器
Step2：现在整个集群还有A-6701,A-6702,A-6703,B-6701,B-6702,B-6703,现在假如我要提交一个新的topology，然后只有1个worker，那么它会分配到A-6701，那么如果后面每次都提交只需要一个worker的topology,那么会导致A机器端口已经被分配完了，而B机器还有3个可用的端口，所有storm的任务调度也不是很公平的，A机器已经满载了，B机器还有3个可用端口。
