Strom特点：
- 时效性高，低延迟
- 逐条处理数据
- 没持久化层，支持多语言
- 本地模式，可模拟集群所有功能
- 使用原语（spout和bolts）类似于MapReduce 中的Map和Reduce
Storm 启动就没有结束，除非手动kill掉，storm的数据一直在内存中流转，Hadoop适用磁盘作为中间交换的介质
Storm ：
- 以Tuple为单位组成一条有向无界的流数据
- Topology，类似MapReduce中的job
-
- 由spouts和bolts组成的图，通过stream grouping将spouts和bolts连接起来
- 任何一个spouts都是一个task 都是一个线程
- Topology执行任务时，storm jar 负责连接到Nimbus（相当于JobTracker）
Spout线程：
消息来源，包括可靠行消息（可靠性消息如果没有处理成功，可重新发送一个tuple，spout可监控消息发送的处理的成功失败），不可靠性消息
主要是nextTuple
Bolt 线程：
消息处理逻辑，可以发射多个数据流，主方法为execute（以tuple为输入，处理具体的tuple，OutPutCollector的ack，确认）
spout 和bolt 线程叫做task ，很多个task共享同一个executor线程，每个spout和bolt都会被当作很多task在集群中执行，每个executor都会被当作一个线程，在一个executor线程上会执行很多个task，标准来说，executor是真真实实线程，task是executor处理一个或多个实例对象，那么这个任务就是spout和bolt ，task本质就是一个节点类的实例对象
set_num_task 来配置一个executor 同时处理多少个task
work是进程，work里面有多个executor
StreamGrouping：
-Shuffle Grouping： 随机分组 负载均衡
-Fields Groping ：按指定的filed分组
-All Grouping ：广播分组
-Global Grouping：全局分组
Storm 可以做的事：
流式计算：
过滤，组装
持续计算
分布式RPC
Nimbus和Supervisor 所有协调工作都是通过Zookeeper来完成
Nimbus和Supervisor进程都是快速失败（fail-fast）和无状态的，所有的状态要么在Zookeeper上，要么在本地
executor中有多个task ，并不是每个task同时运行，只会选择一个执行，然后进行轮转进行，默认情况只有一个task
task是spout和bolt执行的最小单元
executor的数目
executor是真正的并行度（事实上的并行度）。（task数目是想要设置的并行度）
executor初始数目=spout数目+bolt数目+acker数目 （这些加起来也就是task数目。）
spout数目，bolt数目，acker数目运行时是不会变化的，但是executor数目可以变化
Worker
与
Task
关系
Strom 容错：
架构容错：
Zookeeper 存储Nimbus和Supervisor数据
节点宕机
Nimbus／Supervisor宕机
Worker 出错
数据容错：
可靠性指Storm会告知用户每个消息单元是否在指定时间完全被处理
Ack机制，本质是一个或多个task（特殊的task，而且非常轻量，执行的线程），采用简单的异或原理,假如一个tuple没有ack，就会出现备份的ack，假如备份的ack（采用一致性hash的方式）全挂，就会被当作超时处理
心跳形式有两种：一种是由worker来汇报（executor），第二种是由supervisor来汇报（自己状态）