【并行度】2017Xie-2017-Adaptive-topology-decomposition-for Storm

问题：

现有的分解storm拓扑结构的方法不能确保最优的性能。
拓扑结构需要手动预设拓扑结构所需的worker数量。实验验证了适当的worker数量设置会影响集群的性能。

问题-动机：

当一个拓扑结构提交到storm集群中，根据人工预先设定的应分解的worker数量，或者手动进行重新平衡（但如果不分析提交拓扑结构或者监测集群的状态，很难找到合适的worker参数。）worker设置不当会影响到集群的性能，所以要找到一个更好的方式来分解拓扑结构。


动机实验：为了发现合适的参数，做实验发现可能影响集群性能的因素：
调度器：默认调度器（轮询方式）
拓扑：wordcount
指标：平均处理时间
结论：worker数量和平均处理时间不成正比
1.当worker为1，平均处理时间很高，性能不好
2.当worker1增加到4，平均处理时间减少，性能不断提高。（原因：增加了用于处理数据的资源使用量，性能增加）？？？？（只有当所有task放在一个物理机器的slot=worker，占用物理机器的所有的资源CPU，内存达到满之后，在增加其他物理机器的slot