Storm是什麼？
Storm是Twitter開源的分佈式實時大數據處理框架，被業界稱爲實時版Hadoop。（全量｜增量
硬盤｜內存
離線｜實時）隨着越來越多的場景對Hadoop的MapReduce高延遲無法容忍，比如網站統計、推薦系統、預警系統、金融系統(高頻交易、股票)等等，大數據實時處理解決方案（流計算）的應用日趨廣泛，目前已是分佈式技術領域最新爆發點，而Storm更是流計算技術中的佼佼者和主流。
按照storm作者的說法，Storm對於實時計算的意義類似於Hadoop對於批處理的意義。Hadoop提供了map、reduce原語，使我們的批處理程序變得簡單和高效。同樣，Storm也爲實時計算提供了一些簡單高效的原語，而且Storm的Trident是基於Storm原語更高級的抽象框架，類似於基於Hadoop的Pig框架，讓開發更加便利和高效。本課程會深入、全面的講解Storm，並穿插企業場景實戰講述Storm的運用。
Storm
常見場景
推薦系統：實時推薦，根據下單或加入購物車推薦相關商品（而不是相似商品）
金融系統
預警系統
網站統計：實時銷量、流量統計，如淘寶雙11效果圖
實時處理
試想一下你自己實現實時計算的方案？
數據源務必實時，所以採用Message Queue作爲數據源，消息處理Comsumer實時從MQ獲取數據進行處理，返回結果到Web或寫DB。
這種方式有以下幾個缺陷：
1、單機模式，能處理的數據量有限
2、不健壯，服務器掛掉即結束。而Storm集羣節點掛掉後，任務會重新分配給其他節點，作業不受影響。
3、失敗重試、事務等，你需要在代碼上進行控制，過多精力放在業務開發之外。
4、伸縮性差： 當一個消息處理者的消息量達到閥值，你需要對這些數據進行分流， 你需要配置這些新的處理者以讓他們處理分流的消息。
Storm一些關鍵特性
1.適用場景廣泛： storm可以實時處理消息和更新DB，對一個數據量進行持續的查詢並返回客戶端（持續計算），對一個耗資源的查詢作實時並行化的處理(分佈式方法調用，即DRPC），storm的這些基礎API可以滿足大量的場景。
2.可伸縮性高: Storm的可伸縮性可以讓storm每秒可以處理的消息量達到很高。擴展一個實時計算任務，你所需要做的就是加機器並且提高這個計算任務的並行度 。Storm使用ZooKeeper來協調集羣內的各種配置使得Storm的集羣可以很容易的擴展。
3. 保證無數據丟失： 實時系統必須保證所有的數據被成功的處理。 那些會丟失數據的系統的適用場景非常窄， 而storm保證每一條消息都會被處理， 這一點和S4相比有巨大的反差。
4. 異常健壯： storm集羣非常容易管理，輪流重啓節點不影響應用。
5. 容錯性好：在消息處理過程中出現異常， storm會進行重試
6. 語言無關性： Storm的topology和消息處理組件(Bolt)可以用任何語言來定義， 這一點使得任何人都可以使用storm.
