Storm 第一章 核心组件及编程模型

1 流式计算

　　流式计算：数据实时产生、实时传输、实时计算、实时展示

　　代表技术：Flume实时获取数据、Kafka/metaq实时数据存储、Storm/JStorm实时数据计算、Redis实时结果缓存、持久化存储(mysql)。

　　一句话总结：将源源不断产生的数据实时收集并实时计算，尽可能快的得到计算结果。

2 Storm是什么

　　Storm 是用来实时处理数据，特点：低延迟、高可用、分布式、可扩展、数据不丢失，提供简单容易理解的接口，便于开发。

3 Storm 与Hadoop的区别

　　Storm用于实时计算，Hadoop用于离线计算。

　　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。

　　Storm处理的数据通过网络传输进来；Hadoop的数据保存在磁盘。

　　Storm与Hadoop编程模型相似。

4 运用场景

　　4.1 日志分析

　　　　从海量日志中分析出特定的数据，并将分析结果存入外部存储器用来辅助决策。

　　4.2 管道决策

　　　　将一个数据从一个系统传输到另外一个系统，比如将数据同步到Hadoop。

　　4.3 消息转换器

　　　　将接受到的消息按照某种格式进行转化，存储到另外一个系统比如消息中间件。

5 Storm核心组件

　　

　　5.1 组件功能：

　　　　Nimbus：负责资源分配和任务调度

　　　　Supervisor：负责接收nimbus分配的任务，启动和停止属于自己管理的worker进程。通过配置文件设置当前supervisor上启动多少个worker。

　　　　Worker：运行具体处理组件逻辑的进程，Worker运行的任务类型只有两种，一种是Spout任务，一种是bolt任务。

　　　　Task：worker中每一个spout/bolt的线程称为一个task。在storm0.8之后，task不再与物理线程对应，不同的spout/bolt的task可能会共享一个物理线程，该线程称之为executor。

6 Storm编程模型

　　

　　6.1 组件解释

　　　　Topology：Storm中运行的一个实时应用程序的名称。（拓扑）

　　　　Spout：在一个topology中获取源数据流的组件。通常情况下spout会从外部数据源中读取数据，然后转换为topology内部的源数据。

　　　　Bolt：接受数据然后执行处理的组件，用户可以在其中执行自己想要的操作。

　　　　Tuple：一次消息传递的基本单元，理解为一组消息就是一个Tuple。

　　　　Stream：表示数据的流向。

7 流式计算一般架构图

　　

　　其中flume用来获取数据

　　Kafka用来临时保存数据

　　Strom用来计算数据

　　Redis是个内存数据库，用来保存数据。