Storm基础

1、离线计算是什么？

• 离线计算：批量获取数据、批量传输数据、周期性批量计算数据、数据展示
• 代表技术：Sqoop批量导入数据、HDFS批量存储数据、MapReduce批量计算数据、Hive批量计算数据、***任务调度

2、流式计算是什么？

• 流式计算：数据实时产生、数据实时传输、数据实时计算、实时展示
• 代表技术：Flume实时获取数据、Kafka/metaq实时数据存储、Storm/JStorm实时数据计算、Redis实时结果缓存、持久化存储(mysql)。
• 一句话总结：将源源不断产生的数据实时收集并实时计算，尽可能快的得到计算结果

3、流式计算与离线计算的区别？

最大的区别：实时收集、实时计算、实时展示

4、Storm是什么？

Flume实时采集，低延迟
Kafka消息队列，低延迟
Storm实时计算，低延迟
Redis实时存储，低延迟

Storm用来实时处理数据，特点：低延迟、高可用、分布式、可扩展、数据不丢失。提供简单容易理解的接口，便于开发。

海量数据？数据类型很多，产生数据的终端很多，处理数据能力增强

5、Storm与Hadoop的区别？

• Storm用于实时计算，Hadoop用于离线计算。
• Storm处理的数据保存在内存中，源源不断；Hadoop处理的数据保存在文件系统中，一批一批。
• Storm的数据通过网络传输进来；Hadoop的数据保存在磁盘中。
• Storm与Hadoop的编程模型相似

	Storm	Hadoop
角色	Nimbus	NameNode
从节点	Supervisor	DataNode
进程	Worker	Child
应用名称	Topology	Job
编程接口	Spout/Bolt	Mapper/Reducer

Topology:任务名称
Nimbus:项目经理
Supervisor:开组长、产品经理
Worker:开人员
Spout/Bolt：开人员中的两种角色，一种是服务器开发、一种是客户端开发

6、Storm的应用场景及行业案例

日志分析
从海量日志中分析出特定的数据，并将分析的结果存入外部存储器用来辅佐决策。
管道系统
将一个数据从一个系统传输到另外一个系统，比如将数据库同步到Hadoop
消息转化器
将接受到的消息按照某种格式进行转化，存储到另外一个系统如消息中间件

7、Storm的核心组件（重点掌握）

• Nimbus：负责资源分配和任务调度。
• 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。—通过配置文件设置当前supervisor上启动多少个worker。
• Worker：运行具体处理组件逻辑的进程。Worker运行的任务类型只有两种，一种是Spout任务，一种是Bolt任务。
• 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，不同spout/bolt的task可能会共享一个物理线程，该线程称为executor。

8、Storm的编程模型（重点掌握）

• Topology：Storm中运行的一个实时应用程序的名称。（拓扑）
• Spout：在一个topology中获取源数据流的组件。
  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。
• Bolt：接受数据然后执行处理的组件,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，理解为一组消息就是一个Tuple。
• Stream：表示数据的流向。

9、流式计算的一般架构图(重点掌握)

• 其中flume用来获取数据。
• Kafka用来临时保存数据。
• Strom用来计算数据。
• Redis是个内存数据库，用来保存数据。