Storm如何保证at least once语义？
背景
前期收到的问题：
1、在Topology中我们可以指定spout、bolt的并行度，在提交Topology时Storm如何将spout、bolt自动发布到每个服务器并且控制服务的CPU、磁盘等资源的？
2、Storm处理消息时会根据Topology生成一棵消息树，Storm如何跟踪每个消息、如何保证消息不丢失以及如何实现重发消息机制？
本篇看看storm是通过什么机制来保证消息至少处理一次的语义的，并回答第2个问题。
storm中的一些原语
要说明上面的问题，得先了解storm中的一些原语，比如：
tuple和message
在storm中，消息是通过tuple来抽象表示的，每个tuple知道它从哪里来，应往哪里去，包含了其在tuple-tree（如果是anchored的话）或者DAG中的位置，等等信息。spout
spout充当了tuple的发送源，spout通过和其它消息源，比如kafka交互，将消息封装为tuple，发送到流的下游。- bolt
bolt是tuple的实际处理单元，通过从spout或者另一个bolt接收tuple，进行业务处理，将自己加入tuple-tree（通过在emit方法中设置anchors）或DAG，然后继续将tuple发送到流的下游。 acker
acker是一种特殊的bolt，其接收来自spout和bolt的消息，主要功能是追踪tuple的处理情况，如果处理完成，会向tuple的源头spout发送确认消息，否则，会发送失败消息，spout收到失败的消息，根据配置和自定义的情况会进行消息的丢弃、重放处理。
spout、bolt、acker的关系
- spout将tuple发送给流的下游的bolts.
- bolt收到tuple，处理后发送给下游的bolts.
- spout向acker发送请求ack的消息.
- bolt向acker发送请求ack的消息.
- acker向bolt和spout发送确认ack的消息.
简单的关系如下所示：
上图展示了spout、bolts等形成了一个DAG，如何追踪这个DAG的执行过程，就是storm保证仅处理一次消息的语义的机制所在。
storm如何追踪消息（tuple）的处理
spout在调用emit/emitDirect方法发送tuple时，会以单播或者广播的方式，将消息发送给流的下游的component/task/bolt，如果配置了acker，那么会在每次emit调用之后，向acker发送请求ack的消息：
;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;; spout向acker发送请求ack消息
;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;; rooted?表示是否设置了acker
(if (and rooted?
(not (.isEmpty out-ids)))
(do
(.put pending root-id [task-id
message-id
{:stream out-stream-id :values values}
(if (sampler) (System/currentTimeMillis))])
(task/send-unanchored task-data
;;表示这是一个流初始化的消息
ACKER-INIT-STREAM-ID
;;将下游组件的out-id和0组成一个异或链，发送给acker用于追踪
[root-id (bit-xor-vals out-ids) task-id]
overflow-buffer))
;; 如果没有配置acker，则调用自身的ack方法
(when message-id
(ack-spout-msg executor-data task-data message-id
{:stream out-stream-id :values values}
(if (sampler) 0) "0:")))从上面的代码可以看出，每次emit tuple后，spout会向acker发送一个流ID为ACKER-INIT-STREAM-ID的消息，用于将DAG或者tuple-tree中的节点信息交给acker，acker会利用这个信息来追踪tuple-tree或DAG的完成。
而spout调用emit/emitDirect方法，将tuple发到下游的bolts，也同时会发送用于追踪DAG完成情况的信息：
;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;; spout向流的下游emit消息
;;;;;;;;;;;;;;;;;;;;;;;;;;;;
(let [tuple-id (if rooted?
;; 如果有acker，tuple的MessageId会包含一个<root-id,id>的哈希表
;; root-id和id都是long型64位整数
(MessageId/makeRootId root-id id)
(MessageId/makeUnanchored))
;;实例化tuple
out-tuple (TupleImpl. worker-context
values
task-id
out-stream-id
tuple-id)]
;; 发送至队列，最终发送给流的下游的task/bolt
(transfer-fn out-task
out-tuple
overflow-buffer)
))这个追踪信息是什么呢？
如果是spout -> bolt或者bolt -> bolt，这个信息就是tuple的MessageId，其内部维护一个哈希表：
// map anchor to id private Map<Long, Long> _anchorsToIds;
键为root-id，表示spout，值表示tuple在tuple-tree或者DAG的根（spout）或者经过的边（bolt），但这里没有利用任何常规意义上的“树”的算法，而是采用异或的方式来存储这个值：
- spout -> bolt，值被初始化为一个long型64位整数.
- bolt -> bolt，值被初始化为一个long型64位整数，并和_anchorsToIds中的旧值进行按位异或，将结果更新到_anchorsToIds中.
如果是spout -> acker，或者bolt -> acker，那么用于追踪的是tuple的values：
- spout -> acker ：
[root-id (bit-xor-vals out-ids) task-id] - bolt -> acker :
[root (bit-xor id ack-val) ..]
下面给出上面调用的bit-xor-vals和bit-xor方法的代码：
(defn bit-xor-vals
[vals]
(reduce bit-xor 0 vals))
(defn bit-xor
"Bitwise exclusive or"
{:inline (nary-inline 'xor)
:inline-arities >1?
:added "1.0"}
([x y] (. clojure.lang.Numbers xor x y))
([x y & more]
(reduce1 bit-xor (bit-xor x y) more)))示例
说起来有点抽象，看个例子。
假设我们有1个spout，n个bolt，1个acker：
1.spout
spout发送tuple到下游的bolts：
;; id_1是发送到bolt_1的tuple-id，依此类推 spout : ->bolt_1 : id_1 ->bolt_2 : id_2 .. ->bolt_n : id_n
2.bolt
bolt收到tuple，在execute方法中进行必要的处理，然后调用emit方法，最后调用ack方法：
;; bolt_1调用emit方法，追踪消息的这样一个值：让id_1和bid_1按位进行异或. ;; bid_1和id_1类似，是个long型的64位随机整数，在emit这一步生成 bolt_1 emit : id_1 ^ bid_1 ;; bolt_1调用ack方法，并将值表达为如下方式的异或链的结果 bolt_1 ack : 0 ^ bid_1 ^ id_1 ^ bid_1 = 0 ^ id_1
以上，可以看出bolt进行了emit-ack组合后，其自身在异或链中的作用消失了，也就是说tuple在此bolt得到了处理。
（当然，此时的ack还没有得到acker的确认，假设acker确认了，那么上面所说的tuple在bolt得到了处理就成立了。）
来看看acker的确认。
3.acker
acker收到来自spout的tuple：
;; spout发消息给acker，tuple的MessageId包含下面的异或链的结果 spout -> acker ： 0 ^ id_1 ^ id_2 ^ .. ^ id_n ;; acker收到来spout的消息，对tuple的ackVal进行处理，如下所示： acker : 0 ^ (0 ^ id_1 ^ id_2 ^ .. ^ id_n) = 0 ^ id_1 ^ id_2 ^ .. ^ id_n
acker收到来自bolt的tuple：
;; bolt_1发消息给acker： bolt_1 -> acker : 0 ^ id_1 ;; acker维护的对应此tuple的源spout的ackVal : ackVal : 0 ^ id_1 ^ id_2 ^ .. ^ id_n ;; acker进行确认，也就是拿上面的两个值进行异或： acker : (0 ^ id_1) ^ (0 ^ id_1 ^ id_2 ^ .. ^ id_n) = 0 ^ id_2 ^ .. ^ id_n
可以看出，bolt_1向acker请求ack，acker收到请求ack，异或之后，id_1的作用消失。也就是说，bolt_1已处理完毕这个tuple。
所以，在acker看来，如果某个bolt的处理完成，则此bolt在异或链中的作用就消失了。
如果所有的bolt 都得到处理，那么acker将会观察到ackVal值变成了0：
ackVal = 0 = (0 ^ id_1) ^ (0 ^ id_1 ^ .. ^ id_n) ^ .. ^ (0 ^ id_n) = (0 ^ 0) ^ (id_1 ^ id_1) ^ (id_2 ^ id_2) ^ .. ^ (id_n ^ id_n)
如果出现了ackVal = 0，说明两个可能：
- spout发送的tuple都处理完成，tuple-tree或者DAG已完成。
- 概率性出错，也就是说在极小的概率下，即使不按上面的确认流程来走，异或链的结果也可能出现0.但这个概率极小，小到什么程度呢？
用官方的话说就是，如果每秒发送1万个ack消息，50,000,000年时才可能发生这种情况。
如果ackVal不为0，说明tuple-tree或DAG没有完成。如果长时间不为0，通过超时，可以触发一个超时回调，在这个回调中调用spout的fail方法，来进行重放。
如此，就保证了消息处理不会漏掉，但可能会重复。
结语
以上，就是storm保证消息至少处理一次的语义的机制 。
Apache Storm 的详细介绍：请点这里
Apache Storm 的下载地址：请点这里