Apache Storm是一个分布式实时大数据处理系统。Storm设计用于在容错和水平可扩展方法中处理大量数据。它是一个流数据框架，具有最高的摄取率。今天，我们就挑一些Storm的安装配置问题来看看吧。
1
Q：Storm简介
A：1.Storm是一套分布式的、可靠的，可容错的用于处理流式数据的系统。
2.Storm也是基于C/S架构来进行工作的,C负责将数据处理的方式的jar(Topology)发送给S,S解析C发送过来的jar(Topology)，并按一定规则jar变成多个Task((Spout/Bolt)),生成相关的进程和线程运行里面的Task。
2
Q：topology工作原理
A：1.Storm集群中有两种节点，一种是控制节点(Nimbus节点)，另一种是工作节点(Supervisor节点)。
2.所有Topology任务的 提交必须在Storm客户端节点上进行(需要配置 storm.yaml文件)，由Nimbus节点分配给其他Supervisor节点进行处理。
3.Nimbus节点首先将提交的Topology进行分片（Spout/Bolt），分成一个个的Task，并将Task和Supervisor相关的信息提交到 zookeeper集群上。
4.Supervisor会去zookeeper集群上认领自己的Task，通知自己的Worker进程进行Task的处理。
3
Q：Storm有哪些特性？
1.适用场景广泛： storm可以实时处理消息和更新DB，对一个数据量进行持续的查询并返回客户端（持续计算），对一个耗资源的查询作实时并行化的处理(分布式方法调用，即DRPC），storm的这些基础API可以满足大量的场景。
2. 可伸缩性高: Storm的可伸缩性可以让storm每秒可以处理的消息量达到很高。扩展一个实时计算任务，你所需要做的就是加机器并且提高这个计算任务的并行度 。Storm使用ZooKeeper来协调集群内的各种配置使得Storm的集群可以很容易的扩展。
3. 保证无数据丢失： 实时系统必须保证所有的数据被成功的处理。 那些会丢失数据的系统的适用场景非常窄， 而storm保证每一条消息都会被处理， 这一点和S4相比有巨大的反差。
4. 异常健壮： storm集群非常容易管理，轮流重启节点不影响应用。
5. 容错性好：在消息处理过程中出现异常， storm会进行重试
6. 语言无关性： Storm的topology和消息处理组件(Bolt)可以用任何语言来定义， 这一点使得任何人都可以使用storm。
4
Q：Storm的集群结构
A：
5
Q：为什么要用Storm？为什么不用Spark？
A：很多场景下，我们希望系统能够实时的处理一条数据、甚至是事务。也就是说，在处理数据、事务的过程中，到达系统，并能马上得到结果。其次，在成万上亿条数据大量涌入系统时，也要求“实时”的到事务处理的结果。此时，单个节点已经是杯水车薪了，而Storm的关键一项是因为它支持分布式并行计算！如果说，你遇到了以上相似的场景，那Storm可以当仁不让的扛起实时处理的大旗！
这个问题其实很难界定，因为Spark在RDD粒度上，可以满足实时计算的要求，当然，使用RDD还有其他优势；但总的来说，Storm 的实时性更强。其次，Storm的框架完全按照流式处理的思想构建，和项目场景结合性更强一些。（Spark 用的不是很多，欢迎吐槽。）
在看Storm之前，很多人都对Hadoop有一定了解，为了能更快入戏，我们以Hadoop为参照，以下是它使用yarn之前的架构，对照Storm Server框架理解。
