基本概念：
作業：是對一組輸入流進行處理轉化成輸出流的程序。
分區：
Samza的流數據單位既不是Storm中的元組，也不是Spark Streaming中的DStream，而是一條條消息；
Samza中的每個流都被分割成一個或多個分區，對於流裏的每一個分區而言，都是一個有序的消息序列，後續到達的消息會根據一定規則被追加到其中一個分區裏；
任務：
一個作業會被進一步分割成多個任務（Task）來執行，其中，每個任務負責處理作業中的一個分區
分區之間沒有定義順序，從而允許每一個任務獨立執行YARN調度器負責把任務分發給各個機器，最終，一個工作中的多個任務會被分發到多個機器進行分佈式並行處理
數據流圖：
一個數據流圖是由多個作業構成的，其中，圖中的每個節點表示包含數據的流，每條邊表示數據傳輸
多個作業串聯起來就完成了流式的數據處理流程
由於採用了異步的消息訂閱分發機制，不同任務之間可以獨立運行
Samza系統架構主要包括：
處理分析過程：
1.Samza客戶端需要執行一個Samza作業時，它會向YARN的ResouceManager提交作業請求
2.ResouceManager通過與NodeManager溝通爲該作業分配容器（包含了CPU、內存等資源）來運行Samza ApplicationMaster
3.Samza ApplicationMaster進一步向ResourceManager申請運行任務的容器
4.獲得容器後，Samza ApplicationMaster與容器所在的NodeManager溝通，啓動該容器，並在其中運行Samza Task Runner
5.Samza Task Runner負責執行具體的Samza任務，完成流數據處理分析；
Storm、Spark Streaming和Samza的應用場景：
從編程的靈活性來講，Storm是比較理想的選擇，它使用Apache Thrift，可以用任何編程語言來編寫拓撲結構（Topology）
當需要在一個集羣中把流計算和圖計算、機器學習、SQL查詢分析等進行結合時，可以選擇Spark Streaming，因爲，在Spark上可以統一部署Spark SQL，Spark Streaming、MLlib，GraphX等組件，提供便捷的一體化編程模型
當有大量的狀態需要處理時，比如每個分區都有數十億個元組，則可以選擇Samza。當應用場景需要毫秒級響應時，可以選擇Storm和Samza，因爲Spark Streaming無法實現毫秒級的流計算；