Storm详解一、Storm 概述

一、Storm概述
Storm是一个分布式的、可靠的、零失误的流式数据处理系统。它的工作就是委派各种组件分别独立的处理一些简单任务。在Storm集群中处理输入流的是Spout组件，而Spout又把读取的数据传递给叫Bolt的组件。Bolt组件会对收到的数据元组进行处理，也有可能传递给下一个Bolt。我们可以把Storm集群想象成一个由bolt组件组成的链条集合，数据在这些链条上传输，而bolt作为链条上的节点来对数据进行处理。
Storm和Hadoop集群表面看上去很类似，但是Hadoop上面运行的是MapReduceJobs,而在Storm上运行的是拓扑topology，这两者之间是非常不一样的，关键区别是：MapReduce最终会结束，而一个topology永远会运行（除非你手动kill掉）,换句话说，Storm是面向实时数据分析，而Hadoop面向的是离线数据分析。
假设有这么一种情形，当你看政论类节目的时候，他们会经常提到一些人名和一些热门话题，如果我们把其中人名和话题的重复次数都记录下来，结果应该是一件很有趣的事情。
因此，想象在Storm环境下，我们可以把辩论者说的话作为输入流，spout组件来读取这些数据，然后把每一句话发送给bolt1组件，bolt1组件负责把这一句话拆分成一个个单词，再把这些单词发送到bolt2组件，bolt2组件负责统计每个单词的数量然后把这些信息存储到数据库中。辩论者在不断的说话，而storm不断的实时刷新数据库中结果，当你想查看这些结果时，你只需查询数据库即可。
现在，你可以想象如果可以把这些spout和bolt均衡分布到整个集群中，并且可以方便地做无限制的扩展，厉害吧？这就是Storm的威力！

图1.1：一个简单的Topology





Storm的一些典型应用场景
1.数据流处理：与其它流处理系统不同，storm不需要中间队列媒介
2.实时计算：可连续不断的进行实时数据处理，把处理的结果实时更新展示到客户端
3.分布式远程过程调用：可充分利用集群中CPU资源，进行CPU密集型计算。

二、Storm组件
集群中有两种类型的节点：主节点和工作节点

master节点：运行Nimbus进程，负责分发代码，安排任务，监控运行状态（主要是节点成功失败状态）。
worker节点：运行Supervisor进程，负责执行一个Topology的一个子集

图1.2：storm 集群中的组件：





Storm集群中的状态都保存在zookeeper或本地磁盘中，因此Storm中的进程都是无状态的，任何一个节点失败或重启都不会影响整个集群。Storm底层使用zeromq来保证其非凡的特性：

并发的socket 类
比TCP更快，适用于集群环境和超级计算
通过inproc、IPC、TCP和多路广播传输消息
异步IO
Connect N-to-N via fanout，pubsub,pipeline,requst-reply
使用push/pull模式

三、Storm特性

编程简单：主要依赖于spout和bolt来实现
支持多种编程语言：基于JVM的语言都可以支持，任何一个其它语言只要实现了一个中间类也可支持
容错性高：运行宕机、重启等
可拓展：可以任意增删节点到集群
可靠性高：所有消息都被保证至少消费一次，也就是说，Storm中消息不会丢失
快速：快就不必多少了
事务支持

初步了解Storm之后，下一节会通过写一个简单的Demo运行一下来让大家真实体会一下Storm。