對於一堆時刻在增長的資料，如果要統計，可以採用什麼方法呢？
1.等資料增長到一定程度的時候，跑乙個統計程式進行統計。適用於實時性要求不高的場景。
如將資料匯入到hdfs，再執行乙個map reduce job。
2.如果實時性要求高的，上面的方法就不行了。因此就帶來第二種方法。
在資料每次增長一筆的時候，就進行統計job，結果放到db或搜尋引擎的index中。
storm就是完成這種工作的。
hadoop與storm比較
處理過程：hadoop是分map階段到reduce階段，storm是由使用者定義處理流程，
流程中可以包含多個步驟，每個步驟可以是資料來源(spout)或處理邏輯(bolt)
是否結束：hadoop最後是要結束的，storm是沒有結束狀態，到最後一步時，就停在那，直到有新
資料進入時再從頭開始
處理速度：hadoop是以處理hdfs上大量資料為目的，速度慢，storm是只要處理新增的某一筆資料即可
可以做到很快。
適用場景：hadoop是在要處理一批資料時用的，不講究時效性，要處理就提交乙個job，storm是要處理
某一新增資料時用的，要講時效性
Hadoop版本比較
1.hadoop有幾個版本？2.cdh有幾種安裝方式？3.cdh在安裝認證方面做了什麼改變？cloudera的cdh和apache的hadoop的區別 目前而言，不收費的hadoop版本主要有三個 均是國外廠商 分別是 apache 最原始的版本，所有發行版均基於這個版本進行改進 cloudera版...
為什麼說Storm比Hadoop 快？
快 這個詞是不明確的，專業屬於點有兩個層面 1.時延 指資料從產生到運算產生結果的時間，題主的 快 應該主要指這個。2.吞吐，指系統單位時間處理的資料量。首先明確一點，在消耗資源相同的情況下，一般來說storm的延時低於mapreduce。但是吞吐也低於mapreduce。storm的網路直傳 記憶...
spark與storm的對比
對比點 storm spark streaming 實時計算模型 純實時，來一條資料，處理一條資料 準實時，對乙個時間段內的資料收集起來，作為乙個rdd，再處理 實時計算延遲度 毫秒級 秒級 吞吐量 低 高 事務機制 支援完善 支援，但不夠完善 健壯性 容錯性 zookeeper，acker，非常強...