一、Storm概述
1、什么是离线计算
离线计算：批量获取数据、批量传输数据、周期性批量计算数据、数据展示
代表技术：Sqoop批量导入数据、HDFS批量存储数据、MapReduce批量计算数据、Hive批量计算数据
2、什么是流式计算
流式计算：数据实时产生、数据实时传输、数据实时计算、实时展示
代表技术：Flume实时获取数据、Kafka实时数据存储、Storm实时数据计算、Redis实时结果缓存、持久化存储（mysql）
3、Storm是什么
Storm是一个免费开源的分布式实时计算系统。Storm能轻松可靠地处理无界的数据流。
4、Storm与Hadoop的区别是什么
1）Storm用于实时计算，Hadoop用于离线计算。
2）Storm处理的数据保存在内存中，源源不断；Hadoop处理的数据保存在文件系统中，一批一批处理。
3）Storm的数据通过网络传输进来；Hadoop的数据保存在磁盘中。
5、Storm特点
1）适用场景广泛：Storm可以适用实时处理消息、更新数据库、持续计算等场景。
2）可伸缩性高：Storm的可伸缩性可以让Storm每秒处理的消息量达到很高。扩展一个实时计算任务，你所需要做的就是加机器并且提高这个计算任务的并行度。Storm使用Zookeeper来协调机器内的各种配置使得Storm的集群可以很容易的扩展。
3）保证无数据丢失：Storm保证所有的数据都被处理。、
4）异常健壮：Storm集群非常容易管理，轮流重启节点不影响应用。
5）容错性好：在消息处理过程中出现异常，Storm会进行重试。
二、Storm基础知识
1、 Storm编程模型
1）元组（Tuple）
消息传递的基本单元，元组中的字段可以是任何类型的对象，元组支持所有的基本类型、字符串和字节数组作为字段值，只要实现类型的序列化接口就可以使用该类型的对象，元组是一个value的List。
2）水龙头（Spout）
Spout是拓扑的流的来源，是一个拓扑中产生源数据流的组件。
Spout的主要方法是nextTuple()。
Spout的其他方法是ack()和fail()。当Storm检测到一个元组从Spout发出时，ack()和fail()会被调用，要么成功完成通过拓扑，要么未能完成。Ack()和fail()仅被可靠的Spout调用。
IRichSpout是Spout必须实现的接口。
3）转接头（Bolt）
在拓扑中所有处理都在Bolt中完成，Bolt是流的处理节点，从一个拓扑接收数据，然后执行进行处理的组件。
Bolt是一个被动的角色，接口中有一个execute()方法，在接收到消息后会调用此方法，用户可以在其中执行自己希望的操作。
Bolt可以完成简单的流的转换，而完成复杂的流的转换通常需要多个步骤，因此需要多个Bolt。
4）拓扑（Topology）
拓扑（Topology）是Storm中运行的一个实时应用程序，因为各个组件间的消息流动而形成逻辑上的拓扑结构。
2、Storm核心组件
nimbus是整个集群的控管核心，负责topology的提交、运行状态监控、任务重新分配等工作。
zk就是一个管理者，监控者。
总体描述：nimbus下命令（分配任务），zk监督执行（心跳监控，worker、supurvisor的心跳都归它管），supervisor领旨（下载代码），招募人马(创建worker和线程等)，worker、executor就给我干活！task就是具体要干的活。
3、实时流计算常见架构图
1）Flume获取数据。
2）Kafka临时保存数据。
3）Strom计算数据。
4）Redis是个内存数据库，用来保存数据。