一、概述

Storm 是一个开源的分布式实时计算系统，可以简单可靠的处理大量的数据流。Storm可以很多的 应用场景：实时分析，在线机器学习，持续计算，分布式RPC，ETL等。Storm支持水平扩展，具有高容错性，保证每个消息都会得到处理，而且处理速度很快（在一个小集群中，每个节点每秒都可以处理数以百万计的消息）。Storm的部署和运维都很便捷，而且是可以使用任意的编程语言来开发应用。

二、Strom结构

  • 结构：
    storm结构称为topology（拓扑），由Stream（数据流），spout（喷嘴-数据流的生成者，连接转换数据流，不处理任何的业务逻辑，数据的转换者和流的发送者），bolt（阀门-数据流运算者，可以接受一个或者多个组件的流，进行处理，可以发送给其他多个bolt，依此类推，bolt是一个stream的消费者也是一个stream的产生者）组成。可以组成一个复杂的数据处理流的拓扑网络。拓扑网络优势：把大问题拆分成小步骤，把每一个小问题拆分成一个小的bolt，利用分布式的方式分布到不同机器上并行的进行处理。
    不同于Hadoop的job，Storm中的topology会一直运行下去，除非进程被杀死获取取消部署。
  • Stream
    Storm的核心数据结构是tuple（元组），本质上是包含了一个或者多个键值对的列表。Stream是由无限的tuple组成的序列。
  • Spout
    spout连接数据源，将数据转化成为一个个的tuple，并将tuple作为数据流进行发射。开发一个spout 的主要工作就是利用API编写代码从数据源消费数据流。
    spout的数据源可以有很多种来源：
    web或者移动程序的点击流
    社交网络信息
    传感器收到的数据
    应用程序产生的日志信息
    spout通常指负责转换数据、发射数据，通常不会用于处理业务逻辑，从而可以很方便的实现spout的复用。
  • bolt
    主要负责数据的运算，将接收到的数据实施运算后，选择性的输出一个或者多个数据流。
    一个bolt可以接收多个由spout或者bolt发射的数据流，从而可以组件出复杂的数据转换和处理网络拓扑结构。
    bolt常见的典型功能：
  • 过滤
  • 连接和聚合
  • 计算
  • 数据库的读写