Storm 入门的Demo教程

发表于 | 分类于

Storm介绍

Storm是Twitter开源的分布式实时大数据处理框架，最早开源于github，从0.9.1版本之后，归于Apache社区，被业界称为实时版Hadoop。随着越来越多的场景对Hadoop的MapReduce高延迟无法容忍，比如网站统计、推荐系统、预警系统、金融系统(高频交易、股票)等等，大数据实时处理解决方案（流计算）的应用日趋广泛，目前已是分布式技术领域最新爆发点，而Storm更是流计算技术中的佼佼者和主流。

Storm的核心组件

  • Nimbus：即Storm的Master，负责资源分配和任务调度。一个Storm集群只有一个Nimbus。
  • Supervisor：即Storm的Slave，负责接收Nimbus分配的任务，管理所有Worker，一个Supervisor节点中包含多个Worker进程。
  • Worker：工作进程，每个工作进程中都有多个Task。
  • Task：任务，在 Storm 集群中每个 Spout 和 Bolt 都由若干个任务（tasks）来执行。每个任务都与一个执行线程相对应。
  • Topology：计算拓扑，Storm 的拓扑是对实时计算应用逻辑的封装，它的作用与 MapReduce 的任务（Job）很相似，区别在于 MapReduce 的一个 Job 在得到结果之后总会结束，而拓扑会一直在集群中运行，直到你手动去终止它。拓扑还可以理解成由一系列通过数据流（Stream Grouping）相互关联的 Spout 和 Bolt 组成的的拓扑结构。
  • Stream：数据流（Streams）是 Storm 中最核心的抽象概念。一个数据流指的是在分布式环境中并行创建、处理的一组元组（tuple）的无界序列。数据流可以由一种能够表述数据流中元组的域（fields）的模式来定义。
  • Spout：数据源（Spout）是拓扑中数据流的来源。一般 Spout 会从一个外部的数据源读取元组然后将他们发送到拓扑中。根据需求的不同，Spout 既可以定义为可靠的数据源，也可以定义为不可靠的数据源。一个可靠的 Spout能够在它发送的元组处理失败时重新发送该元组，以确保所有的元组都能得到正确的处理；相对应的，不可靠的 Spout 就不会在元组发送之后对元组进行任何其他的处理。一个 Spout可以发送多个数据流。
  • Bolt：拓扑中所有的数据处理均是由 Bolt 完成的。通过数据过滤（filtering）、函数处理（functions）、聚合（aggregations）、联结（joins）、数据库交互等功能，Bolt 几乎能够完成任何一种数据处理需求。一个 Bolt 可以实现简单的数据流转换，而更复杂的数据流变换通常需要使用多个 Bolt 并通过多个步骤完成。
  • Stream grouping：为拓扑中的每个 Bolt 的确定输入数据流是定义一个拓扑的重要环节。数据流分组定义了在 Bolt 的不同任务（tasks）中划分数据流的方式。在 Storm 中有八种内置的数据流分组方式。
  • Reliability：可靠性。Storm 可以通过拓扑来确保每个发送的元组都能得到正确处理。通过跟踪由 Spout 发出的每个元组构成的元组树可以确定元组是否已经完成处理。每个拓扑都有一个“消息延时”参数，如果 Storm 在延时时间内没有检测到元组是否处理完成，就会将该元组标记为处理失败，并会在稍后重新发送该元组。

Storm程序再Storm集群中运行的示例图如下:
这里写图片描述

Topology

为什么把Topology单独提出来呢，因为Topology是我们开发程序主要的用的组件。
Topology和MapReduce很相像。
MapReduce是Map进行获取数据，Reduce进行处理数据。
而Topology则是使用Spout获取数据，Bolt来进行计算。
总的来说就是一个Topology由一个或者多个的Spout和Bolt组成。

具体流程是怎么走，可以通过查看下面这张图来进行了解。
示例图:
这里写图片描述

注:图片来源http://www.tianshouzhi.com/api/tutorials/storm/52。

图片有三种模式，解释如下:
第一种比较简单，就是由一个Spout获取数据，然后交给一个Bolt进行处理;
第二种稍微复杂点，由一个Spout获取数据，然后交给一个Bolt进行处理一部分，然后在交给下一个Bolt进行处理其他部分。
第三种则比较复杂，一个Spout可以同时发送数据到多个Bolt，而一个Bolt也可以接受多个Spout或多个Bolt，最终形成多个数据流。但是这种数据流必须是有方向的，有起点和终点，不然会造成死循环，数据永远也处理不完。就是Spout发给Bolt1，Bolt1发给Bolt2，Bolt2又发给了Bolt1,最终形成了一个环状。

Storm 集群安装

之前已经写过了，这里就不在说明了。
博客地址:http://www.panchengming.com/2018/01/26/pancm70/

Storm Hello World

前面讲了一些Storm概念，可能在理解上不太清楚，那么这里我们就用一个Hello World代码示例来体验下Storm运作的流程吧。

环境准备

在进行代码开发之前，首先得做好相关的准备。
本项目是使用Maven构建的，使用Storm的版本为1.1.1。
Maven的相关依赖如下:

 <!--storm相关jar  -->
 <dependency>
   <groupId>org.apache.storm</groupId>
   <artifactId>storm-core</artifactId>
   <version>1.1.1</version>
   <scope>provided</scope>
</dependency>

具体流程

在写代码的时候，我们先来明确要用Storm做什么。
那么第一个程序，就简单的输出下信息。
具体步骤如下:

  1. 启动topology，设置好Spout和Bolt。
  2. 将Spout获取的数据传递给Bolt。
  3. Bolt接受Spout的数据进行打印。

Spout

那么首先开始编写Spout类。一般是实现 IRichSpout 或继承BaseRichSpout该类，然后实现该方法。
这里我们继承BaseRichSpout这个类,该类需要实现这几个主要的方法:

一、open

open()方法中是在ISpout接口中定义，在Spout组件初始化时被调用。
有三个参数，它们的作用分别是:

  1. Storm配置的Map;
  2. topology中组件的信息;
  3. 发射tuple的方法;

代码示例:

@Override
  public void open(Map map, TopologyContext arg1, SpoutOutputCollector collector) {
      System.out.println("open:"+map.get("test"));
      this.collector = collector;
  }
二、nextTuple

nextTuple()方法是Spout实现的核心。
也就是主要执行方法，用于输出信息,通过collector.emit方法发射。

这里我们的数据信息已经写死了，所以这里我们就直接将数据进行发送。
这里设置只发送两次。
代码示例:

 @Override
public void nextTuple() {
    if(count<=2){
        System.out.println("第"+count+"次开始发送数据...");
        this.collector.emit(new Values(message));
    }
    count++;
}
三、declareOutputFields

declareOutputFields是在IComponent接口中定义，用于声明数据格式。
即输出的一个Tuple中，包含几个字段。

因为这里我们只发射一个，所以就指定一个。如果是多个，则用逗号隔开。
代码示例:

@Override
public void declareOutputFields(OutputFieldsDeclarer declarer) {
    System.out.println("定义格式...");
    declarer.declare(new Fields(field));
}
四、ack

ack是在ISpout接口中定义，用于表示Tuple处理成功。

代码示例:

@Override
public void ack(Object obj) {
    System.out.println("ack:"+obj);
}
五、fail

fail是在ISpout接口中定义，用于表示Tuple处理失败。

代码示例:

@Override
public void fail(Object obj) {
    System.out.println("失败:"+obj);
}
六、close

close是在ISpout接口中定义，用于表示Topology停止。

代码示例:

1
2
3
4
@Override
	public void close() {
		System.out.println("关闭...");
	}

至于还有其他的，这里就不在一一列举了。

Bolt

Bolt是用于处理数据的组件，主要是由execute方法来进行实现。一般来说需要实现 IRichBolt 或继承BaseRichBolt该类，然后实现其方法。
需要实现方法如下:

一、prepare

在Bolt启动前执行，提供Bolt启动环境配置的入口。
参数基本和Sqout一样。
一般对于不可序列化的对象进行实例化。
这里的我们就简单的打印下

@Override
public void prepare(Map map, TopologyContext arg1, OutputCollector collector) {
    System.out.println("prepare:"+map.get("test"));
    this.collector=collector;
}

注:如果是可以序列化的对象，那么最好是使用构造函数。

二、execute

execute()方法是Bolt实现的核心。
也就是执行方法，每次Bolt从流接收一个订阅的tuple，都会调用这个方法。
从tuple中获取消息可以使用 tuple.getString()和tuple.getStringByField();这两个方法。个人推荐第二种，可以通过field来指定接收的消息。
注:如果继承的是IRichBolt，则需要手动ack。这里就不用了,BaseRichBolt会自动帮我们应答。
代码示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
	@Override
	public void execute(Tuple tuple) {
//		String msg=tuple.getString(0);
		String msg=tuple.getStringByField("test");
		//这里我们就不做消息的处理，只打印
	    System.out.println("Bolt第"+count+"接受的消息:"+msg);	
	    count++;
	    /**
	     * 
         * 没次调用处理一个输入的tuple，所有的tuple都必须在一定时间内应答。
         * 可以是ack或者fail。否则，spout就会重发tuple。
	     */
//	    collector.ack(tuple);
	}
三、declareOutputFields

和Spout的一样。
因为到了这里就不再输出了，所以就什么都没写。

1
2
3
   @Override
public void declareOutputFields(OutputFieldsDeclarer arg0) {		
}
cleanup

cleanup是IBolt接口中定义,用于释放bolt占用的资源。
Storm在终止一个bolt之前会调用这个方法。
因为这里没有什么资源需要释放，所以就简单的打印一句就行了。

1
2
3
4
@Override
	public void cleanup() {
		System.out.println("资源释放");
	}

Topology

这里我们就是用main方法进行提交topology。
不过在提交topology之前，需要进行相应的设置。
这里我就不一一细说了，代码的注释已经很详细了。
代码示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
import org.apache.storm.Config;
import org.apache.storm.LocalCluster;
import org.apache.storm.StormSubmitter;
import org.apache.storm.topology.TopologyBuilder;
/**
 * 
* Title: App
* Description:
* storm测试 
* Version:1.0.0  
* @author pancm
* @date 2018年3月6日
 */
public class App {
	
	private static final String str1="test1"; 
	private static final String str2="test2"; 
	public static void main(String[] args)  {
		// TODO Auto-generated method stub
		//定义一个拓扑
		TopologyBuilder builder=new TopologyBuilder();
		//设置一个Executeor(线程)，默认一个
		builder.setSpout(str1, new TestSpout());
		//设置一个Executeor(线程)，和一个task
		builder.setBolt(str2, new TestBolt(),1).setNumTasks(1).shuffleGrouping(str1);
		Config conf = new Config();
		conf.put("test", "test");
		try{
		  //运行拓扑
	   if(args !=null&&args.length>0){ //有参数时，表示向集群提交作业，并把第一个参数当做topology名称
	   	 System.out.println("远程模式");
			 StormSubmitter.submitTopology(args[0], conf, builder.createTopology());
	  } else{//没有参数时，本地提交
	//启动本地模式
	 System.out.println("本地模式");
	LocalCluster cluster = new LocalCluster();
	cluster.submitTopology("111" ,conf,  builder.createTopology() );
	Thread.sleep(10000);
//	关闭本地集群
	cluster.shutdown();
	  }
		}catch (Exception e){
			e.printStackTrace();
		}	
	}
}

运行该方法，输出结果如下:

本地模式
定义格式...
open:test
第1次开始发送数据...
第2次开始发送数据...
prepare:test
Bolt第1接受的消息:这是个测试消息!
Bolt第2接受的消息:这是个测试消息!
资源释放
关闭...

到这里，是不是基本上对Storm的运作有些了解了呢。
这个demo达到了上述的三种模式图中的第一种，一个Spout传输数据， 一个Bolt处理数据。

那么如果我们想达到第二种模式呢，那又该如何做呢？
假如我们想统计下在一段文本中的单词出现频率的话，我们只需执行一下步骤就可以了。
1.首先将Spout中的message消息进行更改为数组，并依次将消息发送到TestBolt。
2.然后TestBolt将获取的数据进行分割，将分割的数据发送到TestBolt2。
3.TestBolt2对数据进行统计，在程序关闭的时候进行打印。
4.Topology成功配置并且启动之后，等待20秒左右，关闭程序，然后得到输出的结果。

代码示例如下:

Spout
用于发送消息。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
import java.util.Map;
   import org.apache.storm.spout.SpoutOutputCollector;
   import org.apache.storm.task.TopologyContext;
   import org.apache.storm.topology.OutputFieldsDeclarer;
   import org.apache.storm.topology.base.BaseRichSpout;
   import org.apache.storm.tuple.Fields;
   import org.apache.storm.tuple.Values;
   
   /**
    * 
   * Title: TestSpout
   * Description:
   * 发送信息
   * Version:1.0.0  
   * @author pancm
   * @date 2018年3月6日
    */
   public class TestSpout extends BaseRichSpout{
   
   	private static final long serialVersionUID = 225243592780939490L;
   
   	private SpoutOutputCollector collector;
   	private static final String field="word";
   	private int count=1;
   	private String[] message =  {
   "My nickname is xuwujing",
   "My blog address is http://www.panchengming.com/",
   "My interest is playing games"
   };
   	
   	/**
    * open()方法中是在ISpout接口中定义，在Spout组件初始化时被调用。
    * 有三个参数:
    * 1.Storm配置的Map;
    * 2.topology中组件的信息;
    * 3.发射tuple的方法;
    */
   	@Override
   	public void open(Map map, TopologyContext arg1, SpoutOutputCollector collector) {
   		System.out.println("open:"+map.get("test"));
   		this.collector = collector;
   	}
   
   /**
    * nextTuple()方法是Spout实现的核心。
    * 也就是主要执行方法，用于输出信息,通过collector.emit方法发射。
    */
   	@Override
   	public void nextTuple() {
   			
   		if(count<=message.length){
   			System.out.println("第"+count +"次开始发送数据...");
   			this.collector.emit(new Values(message[count-1]));
   		}
   		count++;
   	}
   
   
   	/**
    * declareOutputFields是在IComponent接口中定义，用于声明数据格式。
    * 即输出的一个Tuple中，包含几个字段。
    */
   	@Override
   	public void declareOutputFields(OutputFieldsDeclarer declarer) {
   		System.out.println("定义格式...");
   		declarer.declare(new Fields(field));
   	}
   
   	/**
   	 * 当一个Tuple处理成功时，会调用这个方法
   	 */
   	@Override
   	public void ack(Object obj) {
   		System.out.println("ack:"+obj);
   	}
   	
   	/**
   	 * 当Topology停止时，会调用这个方法
   	 */
   	@Override
   	public void close() {
   		System.out.println("关闭...");
   	}
   	
   	/**
   	 * 当一个Tuple处理失败时，会调用这个方法
   	 */
   	@Override
   	public void fail(Object obj) {
   		System.out.println("失败:"+obj);
   	}
   	
   }

TestBolt

用于分割单词。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
import java.util.Map;
import org.apache.storm.task.OutputCollector;
import org.apache.storm.task.TopologyContext;
import org.apache.storm.topology.OutputFieldsDeclarer;
import org.apache.storm.topology.base.BaseRichBolt;
import org.apache.storm.tuple.Fields;
import org.apache.storm.tuple.Tuple;
import org.apache.storm.tuple.Values;
/**
 * 
* Title: TestBolt
* Description: 
* 对单词进行分割
* Version:1.0.0  
* @author pancm
* @date 2018年3月16日
 */
public class TestBolt extends BaseRichBolt{
	/**
	 * 
	 */
	private static final long serialVersionUID = 4743224635827696343L;
	
	private OutputCollector collector;
   
	/**
* 在Bolt启动前执行，提供Bolt启动环境配置的入口
* 一般对于不可序列化的对象进行实例化。
* 注:如果是可以序列化的对象，那么最好是使用构造函数。
*/
	@Override
	public void prepare(Map map, TopologyContext arg1, OutputCollector collector) {
		System.out.println("prepare:"+map.get("test"));
		this.collector=collector;
	}
  
	/**
	 * execute()方法是Bolt实现的核心。
	 * 也就是执行方法，每次Bolt从流接收一个订阅的tuple，都会调用这个方法。
	 */
	@Override
	public void execute(Tuple tuple) {
		String msg=tuple.getStringByField("word");
	System.out.println("开始分割单词:"+msg);
String[] words = msg.toLowerCase().split(" ");
for (String word : words) {
this.collector.emit(new Values(word));//向下一个bolt发射数据
} 
	
	}
	/**
	 * 声明数据格式
	 */
	@Override
	public void declareOutputFields(OutputFieldsDeclarer declarer) {
		declarer.declare(new Fields("count"));
	}
	
	/**
 * cleanup是IBolt接口中定义,用于释放bolt占用的资源。
 * Storm在终止一个bolt之前会调用这个方法。
	 */
	@Override
	public void cleanup() {
		System.out.println("TestBolt的资源释放");
	}
}

Test2Bolt
用于统计单词出现次数。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
  
import java.util.HashMap;
import java.util.Map;
import org.apache.storm.task.OutputCollector;
import org.apache.storm.task.TopologyContext;
import org.apache.storm.topology.OutputFieldsDeclarer;
import org.apache.storm.topology.base.BaseRichBolt;
import org.apache.storm.tuple.Tuple;
/**
 * 
* Title: Test2Bolt
* Description:
* 统计单词出现的次数 
* Version:1.0.0  
* @author pancm
* @date 2018年3月16日
 */
public class Test2Bolt extends BaseRichBolt{
	/**
	 * 
	 */
	private static final long serialVersionUID = 4743224635827696343L;
	
	
	/**
	 * 保存单词和对应的计数
	 */
	private HashMap<String, Integer> counts = null;
	 
	private long count=1;
	/**
* 在Bolt启动前执行，提供Bolt启动环境配置的入口
* 一般对于不可序列化的对象进行实例化。
* 注:如果是可以序列化的对象，那么最好是使用构造函数。
*/
	@Override
	public void prepare(Map map, TopologyContext arg1, OutputCollector collector) {
		System.out.println("prepare:"+map.get("test"));
		this.counts=new HashMap<String, Integer>();
	}
  
	/**
	 * execute()方法是Bolt实现的核心。
	 * 也就是执行方法，每次Bolt从流接收一个订阅的tuple，都会调用这个方法。
	 * 
	 */
	@Override
	public void execute(Tuple tuple) {
		String msg=tuple.getStringByField("count");
		System.out.println("第"+count+"次统计单词出现的次数");
		/**
		 * 如果不包含该单词，说明在该map是第一次出现
		 * 否则进行加1
		 */
		if (!counts.containsKey(msg)) {
			counts.put(msg, 1);
		} else {
			counts.put(msg, counts.get(msg)+1);
		}
		count++;
	}
	
	/**
 * cleanup是IBolt接口中定义,用于释放bolt占用的资源。
 * Storm在终止一个bolt之前会调用这个方法。
	 */
	@Override
	public void cleanup() {
		System.out.println("===========开始显示单词数量============");
		for (Map.Entry<String, Integer> entry : counts.entrySet()) {
			System.out.println(entry.getKey() + ": " + entry.getValue());
		}
		System.out.println("===========结束============");
	   System.out.println("Test2Bolt的资源释放");
	}
	
	/**
	 * 声明数据格式
	 */
	@Override
	public void declareOutputFields(OutputFieldsDeclarer arg0) {
		
	}
}

Topology

主程序入口。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
import org.apache.storm.Config;
  import org.apache.storm.LocalCluster;
  import org.apache.storm.StormSubmitter;
  import org.apache.storm.topology.TopologyBuilder;
  import org.apache.storm.tuple.Fields;
  
  /**
   * 
  * Title: App
  * Description:
  * storm测试 
  * Version:1.0.0  
  * @author pancm
  * @date 2018年3月6日
   */
  public class App {
  	
  	private static final String test_spout="test_spout"; 
  	private static final String test_bolt="test_bolt"; 
  	private static final String test2_bolt="test2_bolt"; 
  
  	public static void main(String[] args)  {
  		//定义一个拓扑
  		TopologyBuilder builder=new TopologyBuilder();
  		//设置一个Executeor(线程)，默认一个
  		builder.setSpout(test_spout, new TestSpout(),1);
  		//shuffleGrouping:表示是随机分组
  		//设置一个Executeor(线程)，和一个task
  		builder.setBolt(test_bolt, new TestBolt(),1).setNumTasks(1).shuffleGrouping(test_spout);
  		//fieldsGrouping:表示是按字段分组
  		//设置一个Executeor(线程)，和一个task
  		builder.setBolt(test2_bolt, new Test2Bolt(),1).setNumTasks(1).fieldsGrouping(test_bolt, new Fields("count"));
  		Config conf = new Config();
  		conf.put("test", "test");
  		try{
  		  //运行拓扑
  	   if(args !=null&&args.length>0){ //有参数时，表示向集群提交作业，并把第一个参数当做topology名称
  	   	 System.out.println("运行远程模式");
  			 StormSubmitter.submitTopology(args[0], conf, builder.createTopology());
  	  } else{//没有参数时，本地提交
  	//启动本地模式
  	 	System.out.println("运行本地模式");
  	LocalCluster cluster = new LocalCluster();
  	cluster.submitTopology("Word-counts" ,conf,  builder.createTopology() );
  	Thread.sleep(20000);
  //	//关闭本地集群
  	cluster.shutdown();
  	  }
  		}catch (Exception e){
  			e.printStackTrace();
  		}
  	}
  }

输出结果:

运行本地模式
定义格式...
open:test
第1次开始发送数据...
第2次开始发送数据...
第3次开始发送数据...
prepare:test
prepare:test
开始分割单词:My nickname is xuwujing
开始分割单词:My blog address is http://www.panchengming.com/
开始分割单词:My interest is playing games
第1次统计单词出现的次数
第2次统计单词出现的次数
第3次统计单词出现的次数
第4次统计单词出现的次数
第5次统计单词出现的次数
第6次统计单词出现的次数
第7次统计单词出现的次数
第8次统计单词出现的次数
第9次统计单词出现的次数
第10次统计单词出现的次数
第11次统计单词出现的次数
第12次统计单词出现的次数
第13次统计单词出现的次数
第14次统计单词出现的次数
===========开始显示单词数量============
address: 1
interest: 1
nickname: 1
games: 1
is: 3
xuwujing: 1
playing: 1
my: 3
blog: 1
http://www.panchengming.com/: 1
===========结束============
Test2Bolt的资源释放
TestBolt的资源释放
关闭...

上述的是本地模式运行，如果想在Storm集群中进行使用，只需要将程序打包为jar，然后将程序上传到storm集群中，
输入:

storm jar xxx.jar xxx xxx
说明:第一个xxx是storm程序打包的包名,第二个xxx是运行主程序的路径，第三个xxx则表示主程序输入的参数，这个可以随意。

如果是使用maven打包的话，则需要在pom.xml加上

1
2
3
4
5
6
7
8
9
10
11
12
13
<plugin>
          <artifactId>maven-assembly-plugin</artifactId>
          <configuration>
            <descriptorRefs>
              <descriptorRef>jar-with-dependencies</descriptorRef>
            </descriptorRefs>
            <archive>
              <manifest>
                <mainClass>com.pancm.storm.App</mainClass>
              </manifest>
            </archive>
          </configuration>
      </plugin>

成功运行程序之后，可以在Storm集群的UI界面查看该程序的状态。

到此，本文结束，谢谢阅读！

+
------ 本文结束 ------