相比Hadoop的批处理，Storm的特点就是实时性。

组件

Storm集群主要由一个主节点和一群工作节点（worker node）组成，通过 Zookeeper进行协调。

主节点
主节点通常运行一个后台程序 —— Nimbus，用于响应分布在集群中的节点，分配任务和监测故障。这个很类似于Hadoop中的Job Tracker。

工作节点
工作节点叫worker，一般就是集群中的一个节点，也就是一个计算机。它同样会运行一个后台程序 ——Supervisor，用于收听工作指派并基于要求运行工作进程。每个工作节点都是topology中一个子集的实现。而Nimbus和Supervisor之间的协调则通过Zookeeper系统或者集群。

topology
[tə'pɒlədʒɪ]
topology是一组由Spouts（数据源）和Bolts（数据操作）通过Stream Groupings进行连接的图。也就是我们的整个应用程序。

Zookeeper
Zookeeper是完成Supervisor和Nimbus之间协调的服务。而应用程序实现实时的逻辑则被封装进Storm中的“topology”。

Spout
[spaʊt]  n. 喷水口
简而言之，Spout从来源处读取数据并放入topology。Spout分成可靠和不可靠两种；当Storm接收失败时，可靠的Spout会对tuple（元组，数据项组成的列表）进行重发；而不可靠的Spout不会考虑接收成功与否只发射一次。而Spout中最主要的方法就是nextTuple（），该方法会发射一个新的tuple到topology，如果没有新tuple发射则会简单的返回。

Bolt
[bəʊlt] n.门闩

Topology中所有的处理都由Bolt完成。Bolt可以完成任何事，比如：连接的过滤、聚合、访问文件/数据库、等等。Bolt从Spout中接收数据并进行处理，如果遇到复杂流的处理也可能将tuple发送给另一个Bolt进行处理。而Bolt中最重要的方法是execute（），以新的tuple作为参数接收。不管是Spout还是Bolt，如果将tuple发射成多个流，这些流都可以通过declareStream（）来声明。

并行参数

worker，进程数。

Executor，线程总数。

Task，具体的spout和bolt的实例个数。一个Executor可以负责1个或多个task。一般地，task数等于executor数。

tuple分组策略

分布式处理的主要思想就是把大的任务划分成多个子任务，它们在不同的机器或线程中并行处理，最后汇合。以统计班上同学的平均成绩为例，说明问题。
bolt如何设计？
因为分布式的原因，同一bolt类的多个线程之间不能有数据共享。分十个机器，编号为i的机器统计学号末尾为i的同学数和他们的总成绩，最后汇总。
如何控制每一个bolt实例接收哪些学号的数据呢？
结合上文，编号为i的bolt实例只接受学号末尾为i的数据。可以按照tuple的字段分组。

tuple传递是通过序列化，套接字传输，反序列化实现的。
所谓的grouping策略就是在Spout与Bolt、Bolt与Bolt之间传递Tuple的方式。总共有七种方式：
1）shuffleGrouping（随机分组）
2）fieldsGrouping（按照字段分组，在这里即是同一个单词只能发送给一个Bolt）

//declare与emit是一一对应的。
declarer.declareStream("http", new Fields("event", "key"));
collector.emit("http", new Values(new MyClass(), key));
//设置bolt的时候指定按照哪个字段散列
builder.setBolt("httpCount", new AnalyseBolt()).fieldsGrouping("XX", "http", new Fields("key"));
//接收到tuple时按指定字段取值
public void process(Tuple tuple, BasicOutputCollector collector) {
	tuple.getValueByField("event") instanceof MyClass
}	

3）allGrouping（广播发送，即每一个Tuple，每一个Bolt都会收到）
4）globalGrouping（全局分组，将Tuple分配到task id值最低的task里面）
5）noneGrouping（随机分派）
6）directGrouping（直接分组，指定Tuple与Bolt的对应发送关系）
7）Local or shuffle Grouping

8）customGrouping （自定义的Grouping）

消息可靠性交付

要理解这个问题，需要看一下tuple在离开spout之后的生命周期。作为参考，下面是spout实现的接口

public interface ISpout extendsSerializable {
         void	open（Map conf， TopologyContext context，SpoutOutputCollector collector）；
         void	close（）；
         void	nextTuple（）；
         void	ack（Object msgId）；
         void	fail（Object msgId）；
}

首先，Storm会通过Spout的nextTuple（）方法从Spout申请一个tuple。在open方法中，Spout使用此方法提供的SpoutOutputCollector去发射一个tuple到输出streams中去。当发射一个tuple时，Spout会提供一个“message id”，用来后面区分不同的tuple。例如， KestrelSpout从kestrel队列中读取消息，然后在发射时会将Kestrel为消息提供的id作为“message id”。发射一条消息到SpoutOutputCollector，如下所示：
_collector.emit(newValues("field1", "field2", 3), msgId);
然后，这个tuple会发送到消费bolts，同时Storm会跟踪已被创建的消息树状图。如果Storm检测到一个tuple已被“fully processed”， Storm将会原始的Spout task（即发射这个tuple的Spout）上调用ack（）方法，参数msgId就是这个Spout提供给Storm的“message id”。类似的，如果这个tuple超时了， Storm会在原始的Spout task上调用fail（）方法。注意， 一个tuple只能被创建它的Spouttask进行acked或者failed。因此，即使一个Spout在集群上正在执行很多tasks，一个tuple也只能被创建它的task进行acked或failed，而其他的task则不行。

storm UI

storm自带的一个仪表盘，见图1.

图1 storm自带的一个仪表盘

emitted，发射的tuple数。
transferred，若一个tuple被其他bolt读取，则transferred+1。
acked，tuple被完整处理。
failed，在处理过程中出现错误或超时的tuple数。超时参数可以设置。