问题:
由于数据源产生数据的速度不可预测,所以流处理系统对动态性要求很高、需要适应能力。
本文方法
采用两种机制来扩展运行时的动态适应性: automatic elasticity and stateful migration
1.自动弹性:
it allows to automatically adapt the number of parallel instances for each application operator, according to a scaling policy.
在框架层面:实现了扩展决策,即它允许根据扩展策略自动调整每个应用的运算符的并行实例数量,本文提出一个简单的基于阈值的策略(根据传入的工作负载弹性地改变每个运算符的并行实例数量)。
由于**框架层面**实现了弹性,storm可以与底层的扩展系统耦合,底层可以通过根据需要获取和释放计算节点来实现基础设施的弹性。
2.状态迁移:运