目錄

前言：

在介紹Storm之前，先介紹下離線計算。
離線計算：批量獲取數據、批量傳輸數據、周期性批量計算數據、數據展示
代表技術：Sqoop批量導入數據、HDFS批量存儲數據、MapReduce批量計算數據、Hive批量計算數據、azkaban任務調度
與之對應的就是流式計算即Storm的應用場景——流式計算。那么流式計算是什么呢？
流式計算：數據實時產生、數據實時傳輸、數據實時計算、實時展示。
代表技術：Flume實時采集數據、kafka實時數據存儲、Storm實時計算數據、redius實時結果緩存、持久化存儲（Mysql）。
一句話總結：將源源不斷產生的數據實時收集并實時計算，盡可能快的得到計算結果。

1、Storm簡介

Storm用來實時處理數據，特點：低延遲、高可用、分布式、可擴展、數據不丟失。提供簡單容易理解的接口，便于開發。

2、Storm與Hadoop的區別

? Storm處理的數據保存在內存中，源源不斷；Hadoop處理的數據保存在文件系統中，一批一批。
? Storm的數據通過網絡傳輸進來；Hadoop的數據保存在磁盤中。
? Storm與Hadoop的編程模型相似

3、Storm核心組件

? Nimbus：負責資源分配和任務調度。
? Supervisor：負責接受nimbus分配的任務，啟動和停止屬于自己管理的worker進程。—通過配置文件設置當前supervisor上啟動多少個worker。
? Worker：運行具體處理組件邏輯的進程。Worker運行的任務類型只有兩種，一種是Spout任務，一種是Bolt任務。
? Task：worker中每一個spout或bolt的線程稱為一個task. 在storm0.8之后，task不再與物理線程對應，不同spout/bolt的task可能會共享一個物理線程，該線程稱為executor。Task=線程=executor

---

補充知識：
Zookeeper：保存任務分配的信息、心跳信息、元數據信息。
并發度:用戶指定的一個任務，可以被多個線程執行，并發度的數量等于線程的數量
Worker與topology：
一個worker只屬于一個topology,每個worker中運行的task只能屬于這個topology。 反之，一個topology包含多個worker，其實就是這個topology運行在多個worker上。
一個topology要求的worker數量如果不被滿足，集群在任務分配時，根據現有的worker先運行topology。如果當前集群中worker數量為0，那么最新提交的topology將只會被標識active，不會運行，只有當集群有了空閑資源之后，才會被運行。

4、Storm編程模型

? Topology：Storm中運行的一個實時應用程序的名稱。（拓撲）
? Spout：在一個topology中獲取源數據流的組件。接受外部數據源的組件，將外部數據源轉化成Storm內部的數據，以Tuple為基本的傳輸單元下發給Bolt
? Bolt：接受數據然后執行處理的組件,用戶可以在其中執行自己想要的操作。接受Spout發送的數據，或上游的bolt的發送的數據。根據業務邏輯進行處理。發送給下一個Bolt或者是存儲到某種介質上。介質可以是Redis可以是mysql，或者其他。
? Tuple：一次消息傳遞的基本單元，里面封裝了一個List對象，用來保存數據,理解為一組消息就是一個Tuple。
? Stream：表示數據的流向。
? 通常情況下spout會從外部數據源中讀取數據，然后轉換為topology內部的源數據。

5、流式計算一般架構圖（重要）

其中

• flume用來獲取數據。
• Kafka用來臨時保存數據。
• Strom用來計算數據。
• Redis是個內存數據庫，用來保存數據。

總結：

對于Storm來說首先你要了解以下幾個知識點：
1、離線計算和流式計算是什么以及對應的區別。
2、Storm是什么以及是干什么用的。
3、Storm與Hadoop的區別。
4、Storm的核心組件。（重點）
5、Storm的編程模型。（在新的文章中詳細介紹）
6、流式計算的一般架構圖。(重點)
7、Storm的應用場景及行業案例。
了解了以上的知識點，你就算是和博主一樣剛剛入門。下面將會圍繞上面的一些重要的知識點就行詳細的介紹（如編程模型以及對應的WC案例的分析：詳見：https://blog.csdn.net/qq_16633405/article/details/79835012）