builder.setBolt(SPLIT_BOLT_ID, splitBolt, 2).setNumTasks(4).shuffleGrouping(SENTENCE_SPOUT_ID);
Storm定义了七种内置数据流分组的方式：
1.Shuffle grouping(随机分组)：随机分发tuple给bolt的各个task，每个bolt实例接收到相同数量的tuple。
2.Fields grouping(按字段分组)：根据指定字段的值进行分组。例如，一个数据流根据”word”字段进行分组，所有具有相同”word”字段值的tuple会路由到同一个bolt的task中。
3.All grouping(全复制分组)：将所有的tuple复制后分发给所有bolt task。每个订阅数据流的task都会接收到tuple的拷贝。
4.Globle grouping(全局分组)：将所有的tuples路由到唯一一个task上。Storm按照最小的task ID来选取接收数据的task。（当选用全局分组方式时，设置bolt的task并发度是没有意义的，因为所有tuple都转发到同一个task上了。使用全局分组的时候，需要注意，因为所有的tuple都转发到一个JVM实例上，可能会引起Storm集群中某个JVM或者服务器出现性能瓶颈或崩溃。）
5.None grouping(不分组)：在功能上和随机分组相同，是为将来预留的。
6.Direct grouping(指向型分组)：数据源调用emitDirect()方法来判断一个tuple应该由哪个Storm组件来接收。只能在声明了指向型的数据流上使用。
7.Local or shuffle grouping(本地会随机分组)：和随机分组类似，但是，会将tuple分发给同一个worker内的bolt task（如果worker内有接收数据的bolt task）。其他情况下，采用随机分组的方式。取决于topology的并发度，本地或随机分组可以减少网络传输，从而提高topology性能。
除了预定义好的分组方式外，还可以通过实现CustomStreamGrouping(自定义分组)接口来实现自定义分组：
public interface CustomStreamGrouping
extends Serializable{
public abstract void prepare(WorkerTopologyContext workertopologycontext, GlobalStreamId globalstreamid, List targetTasks);
public abstract List chooseTasks(int i, List list);
}
prepare()方法在运行时调用，用来初始化分组信息，分组的具体实现会使用这些信息，决定如何接收task分发tuple。WorkerTopologyContext对象提供了topology的上下文信息，GlobalStreamId提供了待分组数据流的属性。targetTasks是分组所有待选task的标识符列表。通常，会将targetTasks的引用存在变量里作为chooseTasks()的参数。
chooseTasks()方法返回一个tuple发送目标task的标识符列表。它的两个参数是发送tuple的组件的id和tuple的值。
为了说明数据流分组的重要性，我们在topology中引入一个bug。首先，修改SentenceSpout的nextTuple()方法，使每个句子只发送一次：
public void nextTuple() {
if(index < sentences.length){
this.collector.emit(new Values(sentences[index]));
index++;
}
Utils.sleep(1);
}
程序的输出结果是这样的：
a:2 ate:2 beverages:2 cold:2 cow:2 dog:4 don't:4 fleas:4 has:2 have:2 homework:2 i:6 like:4 man:2 my:4 the:2 think:2
然后将CountBolt中的按字段分组改为随机分组：
//builder.setBolt(COUNT_BOLT_ID, countBolt).fieldsGrouping(SPLIT_BOLT_ID, new Fields("word"));
builder.setBolt(COUNT_BOLT_ID, countBolt, 4).shuffleGrouping(SPLIT_BOLT_ID);
程序的运行结果是这样的：
a:1 ate:1 beverages:1 cold:1 cow:1 dog:1 don't:1 fleas:1 has:2 have:1 homework:1 i:2 like:1 man:1 my:2 the:1 think:1
结果是错误的，因为CountBolt的参数是和状态相关的：它会对收到的每个单词进行计数。在这个例子中，在并发状况下，计算的准确度取决于是否按照tuple的内容进行适当的分组。我们引入的bug只会在CountBolt并发实例超过一个时出现。
通常需要避免将信息存在bolt中，因为bolt执行异常或重新指派时，数据会丢失。一种解决方法是定期对存储的信息快照并放在持久性存储中，比如数据库。这样，如果task被重新指派就可以恢复数据。
以上来自：
