首先我们通过一个 storm 和hadoop的对比来了解storm中的基本概念。
| Hadoop | Storm | |||
| 系统角色 | JobTracker | Nimbus | ||
| TaskTracker | Supervisor | |||
| Child | Worker | |||
| 应用名称 | Job | Topology | ||
| 组件接口 | Mapper/Reducer | Spout/Bolt | ||
接下来我们再来具体看一下这些概念。
a、Nimbus：负责资源分配和任务调度。
b、Supervisor：负责接受nimbus分配的任务，启动和停止属于自己管理的worker进程。
c、Worker：运行具体处理组件逻辑的进程。
d、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，同一个spout/bolt的task可能会共享一个物理线程，该线程称为executor。
下面这个图描述了以上几个角色之间的关系。
Topology：storm中运行的一个实时应用程序，因为各个组件间的消息流动形成逻辑上的一个拓扑结构。
Spout：在一个topology中产生源数据流的组件。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。Spout是一个主动的角色，其接口中有个nextTuple()函数，storm框架会不停地调用此函数，用户只要在其中生成源数据即可。
Bolt：在一个topology中接受数据然后执行处理的组件。Bolt可以执行过滤、函数操作、合并、写数据库等任何操作。Bolt是一个被动的角色，其接口中有个execute(Tuple input)函数,在接受到消息后会调用此函数，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。本来应该是一个key-value的map，但是由于各个组件间传递的tuple的字段名称已经事先定义好，所以tuple中只要按序填入各个value就行了，所以就是一个value list.
Stream：源源不断传递的tuple就组成了stream。
Storm分组机制：
Stream Grouping定义了一个流在Bolt任务间该如何被切分。这里有Storm提供的6个Stream Grouping类型：
随机分组(Shuffle grouping)：随机分发tuple到Bolt的任务，保证每个任务获得相等数量的tuple。
字段分组(Fields grouping)：根据指定字段分割数据流，并分组；例如，根据“user-id”字段，相同“user-id”的元组总是分发到同一个任务，不同“user-id”的元组可能分发到不同的任务。
全部分组(All grouping)：tuple被复制到bolt的所有任务，这种类型需要谨慎使用。
全局分组(Global grouping)：全部流都分配到bolt的同一个任务，明确的说，是分配给ID最新的那个task。
无分组(None grouping)：你不需要关心流失如何分组。目前，无分组等效于随机分组。但最终，Storm将把无分组的Bolts放到Bolts或Spouts订阅它们的同一线程去执行（如果可能）。
直接分组(Direct grouping)：这是一个特别的分组类型，元组生产者决定tuple由哪个元组处理者任务接收。
当然还可以实现CustomStreamGrouping接口来定制自己需要的分组。
