本人原创翻译，转载请注明出处
Storm提供了几种不同级别的保证消息处理机制，包括best effort, at least once, 通过Trident实现的exactly once。这篇文章描述了Storm如何保证at least once处理。
一个消息被完全处理（fully processed）究竟是什么意思？
一个tuple从spout中发出可能触发成千上万个tuples的创建。例如，单词计数topology：
TopologyBuilder builder = new TopologyBuilder();
builder.setSpout("sentences", new KestrelSpout("kestrel.backtype.com",
22133,
"sentence_queue",
new StringScheme()));
builder.setBolt("split", new SplitSentence(), 10)
.shuffleGrouping("sentences");
builder.setBolt("count", new WordCount(), 20)
.fieldsGrouping("split", new Fields("word"));
这个topology 从Kestrel队列中读取句子，把句子拆分成单词组，然后每次emit一个单词（如果单词重复出现，那么出现多少次emit多少次）。这解释了一个tuple如何导致n个tuples被创建：句子中的每个单词，都会成为一个单词tuple和一个更新单词计数的tuple。消息树大概像这样：
Storm定义一个从spout发出的tuple被完全处理，当且仅当tuple树已经为空并且树中的每个消息都已被处理。如果tuple没有在给定的超时时间（timeout）内被完全处理，就定义为处理失败。timeout可以使用Config.TOPOLOGY_MESSAGE_TIMEOUT_SECS来配置，默认是30秒。
当一个消息被完全处理或没有被完全处理时发生了什么？
为了理解这个问题，让我们看看tuple从spout开始的生命周期。作为参考，这里是spouts实现的接口：
public interface ISpout extends Serializable {
void open(Map conf, TopologyContext context, SpoutOutputCollector collector);
void close();
void nextTuple();
void ack(Object msgId);
void fail(Object msgId);
}
首先，Storm通过调用Spout的nextTuple方法来请求一个tuple。Spout使用SpoutOutputCollector（在open函数中提供）来emit一个tuple到某个输出流。当emitting tuple的时候，Spout设置了一个"message id"，后续会用来识别tuple。举个例子，KestrelSpout从kestrel队列中读取消息，由Kestrel给出id并设置为"message id"，然后emit。像这样发出消息：
_collector.emit(new Values("field1", "field2", 3) , msgId);
接下来，tuple被发送给消费bolts，Storm负责维护消息树。如果Storm检测到一个tuple被完全处理了，Storm会调用Spout的ack方法（携带参数message id）。同样的，如果tuple处理超时，Storm将调用Spout的fail方法。注意，一个tuple只会被创建它的那个Spout任务acked或failed，如果Spout被集群中的多个任务执行，tuple不会被非创建它的任务acked或failed。
再次以KestrelSpout为例来说明Spout如何保证消息处理。当KestrelSpout从Kestrel队列中取出一个消息，它"opens"这个消息，消息并没有真的从队列中取下来，只是设置了一个挂起（"pending"）状态，等待消息处理完成的确认。处于挂起状态的消息不会被发送给其他队列消费者。此外，如果一个客户端失去连接，它的所有挂起状态的消息会被放回队列。KestrelSpout会给SpoutOutputCollector传递一个"message id"参数，稍后，KestrelSpout的ack和fail函数被调用，KestrelSpout会给Kestrel发一个带"message id"的ack或fail消息，进而将消息移除或放回队列。
什么是Storm的可靠性API？
要想利用Storm的可靠性能力要做两件事。首先，任何时候你在tuple树中创建新的link都要通知Storm。其次，当你完成一个独立tuple的处理时也要通知Storm。通过做这两件事，Storm可以检测tuple树是否处理完毕并恰当的处理spout tuple的ack或fail。Storm的API提供了一种简洁的方式来完成这些任务。
在tuple树中指定一个link被称作锚定（anchoring）。在你emit一个新的tuple时就同步完成了锚定。举个例子，下面这个bolt把一个包含句子的tuple拆分成每个单词的tuple：
public class SplitSentence extends BaseRichBolt {
OutputCollector _collector;
public void prepare(Map conf, TopologyContext context, OutputCollector collector) {
_collector = collector;
}
public void execute(Tuple tuple) {
String sentence = tuple.getString(0);
for(String word: sentence.split(" ")) {
_collector.emit(tuple, new Values(word));
}
_collector.ack(tuple);
}
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields("word"));
}
}
每个单词tuple通过指定输入tuple为emit的第一个参数而锚定。由于单词tuple已被锚定，在单词tuple处理失败的时候，tuple树的根spout tuple将被重新传输。相反的，让我们看看如果像这样emit tuple会发生什么：
_collector.emit(new Values(word));
这样emit的单词tuple没有被锚定，如果tuple处理失败，根tuple不会被重传。取决于你的容错需求，有时候以非锚定的方式emit tuple也是恰当的。
一个输出tuple可以被锚定到多个输入tuple，这对流连接或流聚合（streaming joins or aggregations）很有用。被多个输入锚定的tuple处理失败，会导致多个根tuple重传。例子：
List<Tuple> anchors = new ArrayList<Tuple>();
anchors.add(tuple1);
anchors.add(tuple2);
_collector.emit(anchors, new Values(1, 2, 3));
多锚定（Multi-anchoring）将把输出tuple加入到多个tuple树。注意，这可能会破坏树的结构并且创建tuple 有向无环图（DAGs）。例如：
Storm的实现支持有向无环图和树。
锚定就是你如何说明tuple树——下一个也是最后一个关于Storm可靠性API的点是当你处理完一个独立的tuple时，如何说明tuple树。通过调用OutputCollector的ack和fail来实现这个操作。如果你往回看例子SplitSentence，你会看到在所有单词tuple被emit之后输入tuple被确认了（acked）。
你可以使用OutputCollector 的fail方法来立即使根tuple（spout tuple）失败。例如，你的应用也许会选择捕获数据库客户端的异常，显式的使输入tuple失败。通过显式的使tuple失败，根tuple可以比等待超时更快的被重传。
每个tuple都应该被ack或fail。Storm占用了内存来跟踪每一个tuple，如果不ack/fail每个tuple，任务可能最终会耗尽内存。
许多bolts使用了一种通用模式来读取和发出输入tuple，在execute方法的最后ack tuple。这些bolts归类为过滤器和简单函数（filters and simple functions）。Storm提供了一个BasicBolt接口封装了这种模式，SplitSentence例子可以用BasicBolt实现：
public class SplitSentence extends BaseBasicBolt {
public void execute(Tuple tuple, BasicOutputCollector collector) {
String sentence = tuple.getString(0);
for(String word: sentence.split(" ")) {
collector.emit(new Values(word));
}
}
public void declareOutputFields(OutputFieldsDeclarer declarer) {
declarer.declare(new Fields("word"));
}
}
这种实现比之前的实现简单，语义上一致。Tuples自动锚定到输入tuple，execute方法完成时自动ack。
相反，实现聚合和连接的bolts可能会延迟ack，直到一组tuples处理完毕。聚合和连接一般也会多锚定（multi-anchor），IBasicBolt不能自动做这些。
如果tuples可以重传，程序该如何正确工作？
软件设计的一贯答案是“取决于”。如果你一定要一个答案，考虑使用Trident API。某些情况下，如要做很多分析并且可以容忍丢失数据，那么可以通过设置acker bolts为0（Config.TOPOLOGY_ACKERS）来禁用容错。但在有些情况下，你想要确保每个数据都被至少处理了一次并且没有丢失。
Storm如何有效的实现可靠性？
Storm的topology有一些特殊的“acker”任务，负责追踪每个spout tuple的tuples DAG，一旦acker发现DAG完成了，它就会发一个确认消息给spout。你可以通过Config.TOPOLOGY_ACKERS设置acker任务的数量。Storm默认是每个worker有一个acker。
不管是spout还是bolt发出的tuple都有一个64位的id。每个tuple都知道tuple树中的所有spout tuples的ids。当你发出一个新tuple时，老的tuple锚定的spout tuples ids被复制到新的tuple。当一个tuple被确认了，它会发一个tuple树如何变更的消息给acker任务，特别地，消息可能像这样：“我已经完成了tuple树中这个spout tuple的处理，树中有一些新的tuples以我为锚”。
例如，如果tuples “D”和“E”是基于tuple “C”而创建，当“C”确认时，tuple树的变化如下：
由于在“D”和“E”创建的同时，“C”被从树中移除了，树永远不会过早的（prematurely）完成。注：这句不是很理解
还有一些细节要提一下。之前提到可以有多个acker任务，那么当一个tuple被确认时，如何知道由哪一个任务发送确认信息？
Storm使用mod hashing来映射spout tuple id到acker任务。由于每个tuple都携带了它所在所有树中的spout tuple ids，因此知道该与哪个acker任务通信。
另一个细节是acker任务如何跟踪spout任务。当spout task发出一个新tuple，它只是简单的发送消息到恰当的acker，告诉它为这个spout tuple负责。之后当一个acker发现树已经完成，它就知道该给哪个任务id发完成信息。
acker任务不会显式追踪tuples树。对于有好几万节点（甚至更多）的大tuple树，跟踪所有的tuple树可能会造成内存不够用。ackers采用一种策略，对每个spout tuple只要求固定数量的内存（大约20字节）。这个追踪算法是理解Storm工作的关键，也是Storm主要的突破之一。
acker任务存储了一个spout tuple到一组值的map。第一个值是任务id，用来发送完成信息。第二个值是64位数字，名为“ack val”，这个值代表了整个tuple树的状态，无论树多大多小。它只是简单的把树中所有已创建或确认的tuple ids做xor运算。
当一个acker任务发现“ack val”变成了0，它就知道tuple树完成了。由于tuple ids是64位随机数，“ack val”意外变成0的概率极小。用数学知识算一下，每秒10K个acks，大概要花50,000,000年才会发生一个错误。即使发生错误，也只是丢失数据。
现在你理解了可靠性算法，让我们过一遍失败的情形，看看每种情形下Storm如何避免数据丢失：
- 由于任务异常终止，tuple未被确认：这种情况下失败tuple的树根处的spout tuple将超时并重发。
- acker任务异常终止：这种情况下，所有这个akcer跟踪的spout tuples都会超时并重发。
- spout任务异常终止：这种情况下，spout的源负责重发消息。例如，客户端失去连接时，像Kestrel和RabbitMQ这样的队列将把挂起的消息重新放回队列。
如你所见，Storm的可靠性机制是完全分布式、大规模和容错的。
调教reliability
acker任务是轻量级的，所以在一个topology里不需要很多个acker。你可以通过Storm UI（组件id“__acker”）跟踪acker的性能，如果吞吐量不行，可以增加acker的数量。
如果可靠性对你不重要——你不关心丢失tuples，那么你可以通过不追踪tuple树来增加性能。不追踪tuple树可以减半消息传输的数量，另外，下游的tuple可以保存更少的ids，节省了网络带宽。
有三种方式可以移除可靠性。第一种是设置Config.TOPOLOGY_ACKERS为0。这种情况下，Storm会在spout发出tuple时立即调用ack方法。
第二种是移除消息上的可靠性。你可以在调用SpoutOutputCollector.emit方法的时候不传消息id，这样就关闭了对某个spout tuple的追踪。
最后，如果你不关心下游tuples是否处理失败，你可以在emit它们的时候不锚定它们。由于它们没有锚定到任何spout tuples上，它们没被确认不会导致任何spout tuples失败。
