1、Storm流式处理：
Storm vs. mapreduce
Storm：面向实时
缺点：吞吐能力差
优点：时效性好，毫秒级别，增量式处理
Mapreduce：面向批量
缺点：时效性差
优点：吞吐能力强，适合批处理
2、Storm：没有持久化功能——》快
可靠性：保证消息处理
本地模式
原语：spout和bolt
3、Storm基本概念：
1）Stream：数据流
2）Tuple：最基本的数据单元
3）Topology：网络拓扑
Grouping：Shuffle/Fields
4）Spout：消息生产者
可以对接很多类型的数据流
收集消息处理的ack、fail
5）Bolt：消息处理逻辑
过滤、访问外部服务、数据格式化、聚合、汇总。。。
可以发送多条流
4、常见模式：
（1）流式
（2）持续计算——机器学习迭代
（3）分布式RPC——独立服务
5、架构：
主：Nimbus：分配工作
如果挂掉：重启之后，像什么事情没有发生一样——无状态（快速失败fail-fast）
意味着你可以用kill -9来杀死Nimbus和Supervisor进程， 然后再重启它们，就好像什么都没有发生过。这个设计使得Storm异常的稳定。
从：Supervisor：监控工作
快速失败fail-fast，监控Worker工作
Worker：工作进程
Task：线程
spout和bolt的线程都是task
executor进程，里面维护很多task，每次只会执行一个task
Zookeeper协调管理
6、容错：
架构容错
数据容错：
（1）timeout
（2）ack机制：本质是一个特殊的task