概述
要从海量数据中提取加工对业务有用的信息，选取合适的技术将事半功倍，省去了重新造轮子的烦恼。对海量数据进行批处理运算，Hadoop依旧保持着无法撼动的地位。但在对实时性要求较高的应用场景中，Hadoop就显得力不从心。它需要将数据先落地存储到HDFS上，然后再通过MapReduce进行计算。这样的批处理运算流程使它很难将延时缩小到秒级。
Storm的处理速度最快可以达到毫秒级别。Storm的QPS （Query Per Second）达到9万~10万。
JStorm QPS（12万~11万）。此外，对于实时处理的技术，还可以用Spark Streaming。
Storm的另外一个优势在于：Storm可以一个一个tuple处理，（细粒度处理），所以像金融领域的实时流处理，优先选择Storm。
Storm是基于数据流的实时处理系统，提供了大吞吐量的实时计算能力（因为Storm是一个分布式架构）。每条数据到达系统时，立即在内存中进入处理流程，并在很短的时间内处理完成。实时性要求较高的数据分析场景，都可以尝试使用Storm作为技术解决方案。
应用场景
1.语音实时墙
以移动互联网行业中的智能手机移动APP为对象，实时统计用户的访问频率和访问地址，并将统计实时反映在前端页面的地图中，投影到大显示屏上。
移动互联是非常热门的行业，而且这个行业也诞生了不少优秀的应用，用户量也非常巨大，微信就是其中的一款应用。在用户量巨大的前提下，移动APP的安装、浏览和点击的日志数量会成几何级数暴增，基于这些日志数据的统计分析，特别是实时计算方面，实现的难度比较高，借助实时计算框架进行开发的门槛则会降低很多。Storm恰恰是众多实时计算框架中的首选。
语音“实时墙”项目的需求是将用户登录的地点实时显示在地图上，数据量为每天一亿，每秒峰值20000，要求系统具备高可靠性，某些单点出现问题不能对服务造成影响，数据落地到数据展示的时延在30s内。Hadoop处理MapReduce任务会花费分钟级别，这显然不能满足业务对数据实时性秒级别的需求，Storm这个实时的、分布式以及具备高可靠性的计算系统，能较好地弥补Hadoop执行MapReduce任务分钟级别的不足，全内存计算使得寻址速度是Hadoop硬盘寻址速度的百万倍以上，因此Storm解决高并发瓶颈，能让数据的输入输出处理更加安全、快速，稳定地处理并发及安全性也将保证复杂繁琐的数据收集准确而高效。
2.网络流量流向实时分析
通过Storm实时分析网络流量流向，并将实时统计反映在前端页面的图表中以备查询。网络流量流向是IP网络运营管理的重要基础数据，通过采集和分析流量数据，运营商可以了解整个网络的运行态势、网络负载状况、网络安全状况、流量发展趋势、用户的行为模式、业务与站点的接受程度，还可以为制定灵活的资费策略和计费方式提供依据。
3.交通—基于GPS的实时路况分析
基于GPS数据，通过Storm可以做实时路况分析系统。实时路况能实时反映区域内交通路况，指引最佳、最快捷的行驶路线，提高道路和车辆的使用效率。
目前，提供路况服务的公司主要有三家：世纪高通、北大千方（收购掌城）、九州联宇。它们为百度地图和Google地图这些路况数据的应用服务商提供数据。