1.1 離線計算是什麼？
離線計算：批量獲取數據、批量傳輸數據、週期性批量計算數據、數據展示
代表技術：Sqoop批量導入數據、HDFS批量存儲數據、MapReduce批量計算數據、Hive批量計算數據
1.2 流式計算是什麼
流式計算：數據實時產生、數據實時傳輸、數據實時計算、實時展示
代表技術：Flume實時獲取數據、Kafka實時數據存儲、Storm/JStorm實時數據計算、Redis實時結果緩存、持久化存儲(mysql)。
離線計算與實時計算最大的區別：實時收集、實時計算、實時展示
1.3 Storm是什麼？
Storm是一個分佈式計算框架，主要使用Clojure與Java語言編寫，最初是由NathanMarz帶領Backtype公司團隊創建，在Backtype公司被Twitter公司收購後進行開源。最初的版本是在2011年9月17日發行，版本號0.5.0。
2013年9月，Apache基金會開始接管並孵化Storm項目。Apache Storm是在Eclipse Public License下進行開發的，它提供給大多數企業使用。經過1年多時間，2014年9月，Storm項目成爲Apache的頂級項目。目前，Storm的最新版本1.1.0。
Storm是一個免費開源的分佈式實時計算系統。Storm能輕鬆可靠地處理無界的數據流，就像Hadoop對數據進行批處理；
1.4 Storm與Hadoop的區別
1）Storm用於實時計算，Hadoop用於離線計算。
2）Storm處理的數據保存在內存中，源源不斷；Hadoop處理的數據保存在文件系統中，一批一批處理。
3）Storm的數據通過網絡傳輸進來；Hadoop的數據保存在磁盤中。
4）Storm與Hadoop的編程模型相似
| Storm | hadoop |
角色 | Nimbus | JobTracker |
| Supervisor | TaskTracker |
| Worker | Child |
應用名稱 | Topology | Job |
編程接口 | Spout/Bolt | Mapper/Reducer |
（1）hadoop相關名稱
Job：任務名稱
JobTracker：項目經理（JobTracker對應於NameNode；JobTracker是一個master服務，軟件啓動之後JobTracker接收Job，負責調度Job的每一個子任務task運行於TaskTracker上，並監控它們，如果發現有失敗的task就重新運行它。）
TaskTracker：開發組長（TaskTracker對應於DataNode；TaskTracker是運行在多個節點上的slaver服務。TaskTracker主動與JobTracker通信，接收作業，並負責直接執行每一個任務。）
Child：負責開發的人員
Mapper/Reduce：開發人員中的兩種角色，一種是服務器開發、一種是客戶端開發
（2）storm相關名稱
Topology：任務名稱
Nimbus：項目經理
Supervisor：開組長
Worker：開人員
Spout/Bolt：開人員中的兩種角色，一種是服務器開發、一種是客戶端開發
1.5 Storm應用場景及行業案例
Storm用來實時計算源源不斷產生的數據，如同流水線生產。
1.5.1 運用場景
Storm能用到很多場景中，包括：實時分析、在線機器學習、連續計算等。
1）推薦系統：實時推薦，根據下單或加入購物車推薦相關商品
2）金融系統：實時分析股票信息數據
3）預警系統：根據實時採集數據，判斷是否到了預警閾值。
4）網站統計：實時銷量、流量統計，如淘寶雙11效果圖
1.6 Storm特點
1）適用場景廣泛：Storm可以適用實時處理消息、更新數據庫、持續計算等場景。
2）可伸縮性高：Storm的可伸縮性可以讓Storm每秒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來協調機器內的各種配置使得Storm的集羣可以很容易的擴展。
3）保證無數據丟失：Storm保證所有的數據都被處理。
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。