在hadoop中，存在對應的counter計數器用於記錄hadoop map/reduce job任務執行過程中自定義的一些計數器，其中hadoop任務中已經內置了一些計數器，例如CPU時間，GC時間等。
Storm中也存在類似counter的功能，metrics，詳細介紹可以參考下面的文檔：
Storm exposes a metrics interface to report summary statistics across the full topology. It's used internally to track the numbers you see in the Nimbus UI console: counts of executes and acks; average process latency per bolt; worker heap usage; and so forth.所有的Metric都需要實現IMetric接口，該接口中只有一個方法用來表示取出現有的counter值，並將其清零。
public interface IMetric {
public Object getValueAndReset();
}以提供的實例CountMetric, MultiCountMetric和ReduceMetric爲例，類圖方式展示如下：
在CountMetric中，只是記錄了一個long值，在每次incr和incrBy時進行遞增記錄；
MultiCountMetric中，其中內置了Map<String, CountMetric>用來記錄多個CountMetric，scope方法用來以key的方式圈定範圍，在每次getValueAndSet時，都會直接清掉Map中所有的CountMetric；
ReducedMetric是比較特殊的一個，因爲它不僅僅記錄了一個維度，還可以以reduce的方式來計算一段時間來的平均值，比如Storm中提供的實現MeanReducer，在ReducedMetric中的實現，其中_accumlator作爲累積數據（從字面意思上理解），類型爲Object，可以用任何類型來表示：
public class ReducedMetric implements IMetric {
private final IReducer _reducer;
private Object _accumulator;
public ReducedMetric(IReducer reducer) {
_reducer = reducer;
_accumulator = _reducer.init();
}
public void update(Object value) {
_accumulator = _reducer.reduce(_accumulator, value);
}
public Object getValueAndReset() {
Object ret = _reducer.extractResult(_accumulator);
_accumulator = _reducer.init();
return ret;
}
}
MeanReducer中，就記錄兩個維度 count和總和，通過這兩個維度，我們可以輕易計算出一段時間內的平均值。
class MeanReducerState {
public int count = 0;
public double sum = 0.0;
}
public class MeanReducer implements IReducer<MeanReducerState> {
public MeanReducerState init() {
return new MeanReducerState();
}
public MeanReducerState reduce(MeanReducerState acc, Object input) {
acc.count++;
if(input instanceof Double) {
acc.sum += (Double)input;
} else if(input instanceof Long) {
acc.sum += ((Long)input).doubleValue();
} else if(input instanceof Integer) {
acc.sum += ((Integer)input).doubleValue();
} else {
throw new RuntimeException(
"MeanReducer::reduce called with unsupported input type `" + input.getClass()
+ "`. Supported types are Double, Long, Integer.");
}
return acc;
}
public Object extractResult(MeanReducerState acc) {
if(acc.count > 0) {
return acc.sum / (double) acc.count;
} else {
return null;
}
}
}所有的Metrics都需要在Spout/Bolt初始化之前記錄，對應Spout.open()， Bolt.prepare方法，註冊時需要指定指標的名稱，對應實例，以及間隔時間（以秒爲單位）。
context.registerMetric("execute_count", countMetric, 5);
context.registerMetric("word_count", wordCountMetric, 60);
context.registerMetric("word_length", wordLengthMeanMetric, 60);IMetricsConsumer
註冊metrics後，只是在定時進行記錄metrics，但metrics該如何顯示，這就取決於IMetricsConsumer，在Config中可以手動進行註冊自定義的metricsConsumer，也可以直接使用storm中提供的記錄日誌的LoggingMetricsConsumer，該consumer會以日誌的形式記錄統計指標，下面是對其介紹：
Listens for all metrics, dumps them to log To use, add this to your topology's configuration: ```java conf.registerMetricsConsumer(org.apache.storm.metrics.LoggingMetricsConsumer.class, 1); ``` Or edit the storm.yaml config file: ```yaml topology.metrics.consumer.register: - class: "org.apache.storm.metrics.LoggingMetricsConsumer" parallelism.hint: 1
這表示，在config中可以通過手動註冊的方式將LoggingMetricsConsumer註冊上去，第二個參數爲並行度：
config.registerMetricsConsumer(LoggingMetricsConsumer.class, 2);
此時Config對象（類似HashMap）會將topology.metrics.consumer.register屬性註冊，記錄其class, parallelism.hint並行度，以及argument參數。
在Config中註冊後，通過內置的特殊Bolt：MetricConsumerBolt來執行handleDataPoints方法，其中handleDataPoints賦給的兩個參數taskInfo, dataPoints如下所示，給定了source task的一些狀態，以及傳輸過來的彙總數據：
在應用後，就可以在storm的日誌目錄下查看到metrics日誌文件：
/usr/local/apache-storm-1.0.1/logs/workers-artifacts/FirstTopo-46-1468485056/6703
-rw-rw-r-- 1 java java 55K 7月 14 18:47 gc.log.0
-rw-rw-r-- 1 java java 28K 7月 14 18:47 worker.log
-rw-rw-r-- 1 java java 0 7月 14 16:31 worker.log.err
-rw-rw-r-- 1 java java 1.2M 7月 14 18:47 worker.log.metrics
-rw-rw-r-- 1 java java 0 7月 14 16:31 worker.log.out
-rw-rw-r-- 1 java java 5 7月 14 16:31 worker.pid
-rw-rw-r-- 1 java java 120 7月 14 16:31 worker.yaml在worker.log.metrics中就可以查看到所有metrics的相關信息，注意不僅僅包含我們自定義的bolt類型，一些system類型的信息也會在上面顯示出來：
2016-07-14 16:31:40,700 31721 1468485098 192.168.1.127:6702 6:bolt execute_count 5
2016-07-14 16:31:45,702 36723 1468485103 192.168.1.127:6702 6:bolt execute_count 5
2016-07-14 16:31:50,702 41723 1468485108 192.168.1.127:6702 6:bolt execute_count 5
2016-07-14 16:32:10,705 61726 1468485128 192.168.1.127:6702 6:bolt execute_count 5
2016-07-14 16:32:15,708 66729 1468485133 192.168.1.127:6702 6:bolt execute_count 5
2016-07-14 16:32:25,699 76720 1468485143 192.168.1.127:6702 6:bolt __ack-count {spout:default=60}
2016-07-14 16:32:25,701 76722 1468485143 192.168.1.127:6702 6:bolt __sendqueue {sojourn_time_ms=0.0, write_pos=10, read_pos=10, arrival_rate_secs=0.10267994660642776, overflow=0, capacity=1024, population=0}
2016-07-14 16:32:25,701 76722 1468485143 192.168.1.127:6702 6:bolt word_count {happy=18, angry=19, excited=14}
2016-07-14 16:32:25,702 76723 1468485143 192.168.1.127:6702 6:bolt __receive {sojourn_time_ms=817.6666666666666, write_pos=62, read_pos=61, arrival_rate_secs=1.222992254382389, overflow=0, capacity=1024, population=1}
