寫在前面的話：
請允許我廢話幾句。這個系列的文章發布的時間是在我完成了storm的專案開發之後才找出來時間寫的，在研究storm過程中，國內較好的參考文章實在有限，大多是入門和概念剖析。storm的googlegroup對於新手來說實在不友好。有經驗人士都不願意回答新手的一些「愚蠢」的問題。現在因為storm移交了apache，正式啟用了apachemailgroup就更不友好了……中間我走過不少彎路，自己摸索和看原始碼。雖然說自己理解的才是最深刻的，但是我覺得還是分享出來，減少大家走彎路時間，把注意力更多的放在storm的應用**上。或許文章中會有錯誤，或許文章會「太監」，或許你只是遇到了一篇筆記而已。
介紹文章內寫太多基本原理性東西，反而容易讓人暈，所以在本篇中，只是點出基本概念模型，同時share一些基本資料給能力強的同學去研究。
storm是由twitter在2011開源出來的產品，現在貢獻給了apache。
1. storm官方主頁： 看上去不是非常的apache，所以以後有可能改為apache的url樣式。
這個主頁目前資訊量有限。大多數好東西，在其github首頁： （最近剛剛把repo轉移了到apache孵化專案頁
2. 最重要的東西在這：/wiki ，與storm相關的概念性知識90%都在這裡了。
不過作者把文章目錄直接交給了github的pages來管理，對於github新手來說可能會忽視這個有用的頁面：/wiki/_pages
4. 寫的非常好的，有圖有證據的量子恆道官方部落格storm系列：
/wiki/rationale 官方的
** 量子恆道
以下是我的理解：
直接面向客戶的網際網路網頁，如電子商務，都注重客戶體驗，所以客戶操作盡量簡單化，即流水線化，如登陸->搜尋->下單->(推薦)->付款。所以，形象點，乙個業務流程即乙個流水。那麼，如果具有相當大業務流程併發時，n個流水就變成了瀑布、長江、黃河。在這種情況下，傳統的單機處理是無法滿足效能需求的。必須得分布式處理。storm就提供了乙個分布式流處理框架，可以讓開發者很容易的建立乙個健壯的分布式程式，而不用過於關心底層分布式的實現。
storm的現實模型就是水流的處理，例如小區供水。
紅色強調部分，在storm的實現中，真的就是這麼做的。我會在後面的文章中去解釋。
storm實現：
spout
： 資料來源，源源不斷的傳送元組資料
tuple
tuple
： 元組資料的抽象介面，可以是任何型別的資料。但是必須要可序列化。
stream
：
tuple的集合。乙個
stream內的
tuple擁有相同的源。
bolt
： 消費tuple的節點。消費後可能會排出新的
tuple到該
stream上，也可能會排到到其他
stream，也或者根本不排。可併發。
topology
： 將 spout、
bolt整合起來的拓撲圖。定義了
spout和
bolt的結合關係、併發數量、配置等等。
有圖有真相：
這裡storm的幾個特性比較重要，是我們在選取是否使用storm時要參考的：
縱向擴充套件性
保證無資料丟失
健壯
容錯能力
多語言支援
很形象的取名，雨雲，產生雨點的。它的作用有：
注意：當乙個topology被正常分配、啟動後，nimbus只會監控supervisor的狀態，為重新分配資源做準備。並不會做stream中tuple分配到某節點這種事。
所以，如果nimbus在topology正常執行時掛掉，是不會影響該topology的正常執行的。它影響的是重新分配cluster資源。
supervisor
真正的工作節點。在其內部執行的可能是乙個spout、亦可能是乙個bolt。
舉例：
在該例子中，
blue spout並行度 = 2
green bolt並行度= 2
yellow bolt並行度 = 6
在不計acker的情況下，預設總的執行緒數 = 2+2+6 = 10. 兩個節點的兩個worker，在平均分配下，就是每個節點5個，即每個worker的執行緒池中有5個executor。
均勻分配，兩個worker各得三個yellow bolt, 乙個blue spout，和乙個green bolt。
但是,green bolt在配置時，表明需要兩個executor和四個task。所以在兩個worker上，每個其實要處理 3(yellow bolt) + 1(blue spout) + 2(green bolt) = 6個task。
由於每個worker我們只配了5個executor，所以這6個task就在5個executor上輪循執行。而事實上，storm做了優化，對於同乙個型別的task，會交由同乙個executor去處理。
所以，在每個節點上，會有固定的3個executor去執行yellow bolt, 乙個固定的executor去執行blue spout，乙個固定的executor去執行兩個green spout。
zookeeper
zookeeper是storm分布資訊儲存的地方。
所以，這裡真正會影響到集群執行的是zookeeper。一旦zookeeper掛掉，整個storm就無法工作了。
原文：
Storm系列之 基本概念
寫在前面的話 請允許我廢話幾句。這個系列的文章發布的時間是在我完成了storm的專案開發之後才找出來時間寫的，在研究storm過程中，國內較好的參考文章實在有限，大多是入門和概念剖析。storm的googlegroup對於新手來說實在不友好。有經驗人士都不願意回答新手的一些 愚蠢 的問題。現在因為s...
Storm基本概念
原文 寫在前面的話 請允許我廢話幾句。這個系列的文章發布的時間是在我完成了storm的專案開發之後才找出來時間寫的，在研究storm過程中，國內較好的參考文章實在有限，大多是入門和概念剖析。storm的googlegroup對於新手來說實在不友好。有經驗人士都不願意回答新手的一些 愚蠢 的問題。現在...
Storm 基本概念
storm 是乙個免費並開源的分布式實時計算系統。利用storm 可以很容易做到可靠地處理無限的資料流，像hadoop 批量處理大資料一樣，storm 可以實時處理資料。storm 集群的master 節點，負責分發使用者 指派給具體的supervisor 節點上的worker 節點，去執行topo...