一、初识Storm

1、Storm基本概念：

Nimbus：负责资源分配和任务调度

Supervisor：负责Nimbus分配的任务，启动和停止属于自己管理的worker进程

Worker：运行具体处理逻辑的组件进程

Spout/Bolt（Task）：worker中每一个（Spout/Bolt）线程称为一个Task，在storm0.8版本之后，task不再与物理线程对应，同一个Spout/Bolt的Task可能共享一个物理线程，该线程称为executor

Topology：所有组件（即Spouts/Bolts）的排列与连接被称之为一个Topology

Spout：产生源数据流的组件

Bolt：接收、执行数据的组件

Tuple：消息传递的基本单元（将消息放在Tuple中进行传输）

Stream：源源不断的传递的Tuple组成了Stream

数据处理的过程：

    处理工作被分派给不同类型的组件(components)，每个组件分别负责一个简单、特定的处理任务。处理Storm集群输入流的组件叫喷口(spout)，喷口再将数据传给一个叫螺栓(bolt)的组件，并在螺栓中处理数据，处理完成之后，螺栓要么将这些数据存储起来（存储在数据库、磁盘甚至是对象中），要么将它传给其他螺栓。因此，可以将Storm集群想象成一个螺栓链，每个螺栓都会对喷口发送的数据作出一些处理。

2、Storm特性（优势/好处）

    编程简单、支持多种语言编程、容错、可扩展、可靠、快速、事务性

    与其它实时计算系统（s4, puma）的区别

    记录级容错：告知用户每一个消息单元是否在指定的时间内被完全处理（消息单元是否完全经过Topology每一个Bolt组件的处理）

    1、Spout在发送一个新源时会为Tuple指定一个Message Id（这个MessageId可以是任意对象）

    2、Topology中有一个系统级组件叫acker，acker追踪每一个从Spout中绑定MessageId所流出来的若干个Tuple的处理路径

    3、如果用户设置的最大超时时间内这些tuple没有被完全处理，那么acker就会告知spout该消息处理失败了，相反则会告知spout该消息处理成功了

    事务拓扑（Transactional Topology）：storm0.7版本引入的新特性，在0.8版本替换为Trident，在0.9版本弃用，目的是为了满足对消息处理有着极其严格要求的场景，例如实时计算某个用户的成交笔数，要求结果完全精确，不能多也不能少。