Yahoo!开源运行在Hadoop上的Storm——Storm-YARN

Apache Hadoop是大数据处理与批处理的事实标准，而Twitter Storm则很快地成为实现大规模事件处理的一种标准。遗憾的是，直到最近，实现Storm和Hadoop所需要的集群在物理上仍然有所不同。上周，Yahoo!宣布开放运行在Hadoop集群上的Storm——即Storm-YARN的源代码。

据Yahoo!介绍，相对于隔离的集群，实时处理（Storm）和批处理的结合具有很多优势：

• 提供了巨大的弹性潜力。实时处理的负载一般不恒定，而且是不可预测的。就其本身而言，为满足需求峰值，Storm会需要更多资源。将Storm和批处理搭配使用，Storm需要资源时可以从批处理作业那里窃取，当资源需求下降时再把资源还回去。Storm-YARN为实现这一理念奠定了基础。
• 很多应用将Storm用于低延时处理，而将Map/Reduce用于批处理，同时，两者之间会共享数据。通过将Storm放到物理上更接近数据源和/或同一流水线中其他组件的地方，可以减少网络传输，进而减少获取数据的总开销。

Storm与YARN的集成利用了Hadoop的新型资源管理器YARN：

Storm-on-YARN支持Storm应用利用数以万计的Hadoop计算节点的计算资源。YARN用来根据需求启动Storm应用的主节点——即Nimbus，并支持Nimbus为Storm应用的工作节点（即Supervisor）请求资源。

Storm-YARN提供了标准的Storm配置文件，其中包括YARN的特定参数，支持配置初始启动的Supervisor数及为每个Supervisor分配的容器的内存大小。

此外，为支持Hadoop风格的安全机制，Yahoo!还增强了Storm，支持Storm应用直接访问存储在HDFS和Hbase上的Hadoop数据。

据Loraine Lawson介绍：

实时交付信息是Hadoop和其他大数据解决方案更有前景的应用之一。这一点很少被提及，这很遗憾，因为对很多组织而言，这是真正的致胜之道，对我们这些人也很有启示。

Storm实现的实时事件处理，加上Hadoop，再加上实时Hadoop查询，它们的结合让我们离这一愿景又近了一步。