Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Enable Storm dynamic producer batching in the archetype configurations

Abierto
  • ¿Algo no está bien?
#2,131 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
3/5
Tiempo estimado
1-2 días
Aptitud para principiantes
70/100
Tipo de issue
Nueva funcionalidad
Claridad
Bastante claro
Estado de actividad
Activo
Stack tecnológico
java
Área
distributed-systems, documentation

Línea de trabajo

Inspecciona primero los archivos crawler-conf.yaml generados por los arquetipos y la documentación de configuración; después, verifica la configuración de lotes del productor de Storm 3.0 y su relación con topology.max.spout.pending. Se considera completado cuando los arquetipos utilizan una configuración de lotes dinámica y conservadora, y la documentación cubre los ajustes de tiempo de espera de mensajes, max spout pending, agrupación de mensajes del productor e intervalo de flush.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

The crawler-conf.yaml generated by the archetypes leaves Storm's inter-executor batching at its default (topology.producer.batch.size: 1), so no batching happens between the spout, fetcher, parser, indexer and status updater executors.

Storm 3.0 adds topology.producer.batch.dynamic: when enabled together with a topology.producer.batch.size greater than 1, the effective batch size adapts at runtime between 1 and the configured size with AIMD, staying small under light load to keep latency low and growing under sustained load to preserve throughput. That removes the usual objection to batching in a crawl topology, where traffic is bursty and latency to the status updater matters.

Proposal: enable it in the archetype configurations with a conservative batch size below topology.max.spout.pending, and document the Storm topology settings that affect a crawl (topology.message.timeout.secs, topology.max.spout.pending, the producer batch settings and the flush interval), which are currently not covered in the configuration documentation.

Lenguaje dominante
Java
Estrellas
1k
Forks
295
Merge medio
1 d 14 h
PR fusionados (30 d)
62

Preparar el entorno

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de apache/stormcrawler

Todos los issues de apache/stormcrawler

Issues similares

Más issues de Java

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.