一、前述
Storm是個實時的、分散式以及具備高容錯的計算系統，Storm程式常駐記憶體 ，Storm資料不經過磁碟，在記憶體中處理。
二、相關概念
1.非同步：
流式處理（非同步）
客戶端提交資料進行結算，並不會等待資料計算結果。
2.同步：
實時請求應答服務（同步）
客戶端提交資料請求之後，立刻取得計算結果並返回給客戶端。
3.Storm，Sparkstreaming，Mapreduce相關概念比較：
Storm：（實時處理）
專門為流式處理設計
資料傳輸模式更為簡單，很多地方也更為高效
並不是不能做批處理，它也可以來做微批處理，來提高吞吐。
Spark Streaming：微批處理
將RDD做的很小來用小的批處理來接近流式處理
基於記憶體和DAG可以把處理任務做的很快。
MapReduce:
Storm：程式、執行緒常駐記憶體執行，資料不進入磁碟，資料通過網路傳遞。
MapReduce：為TB、PB級別資料設計的批處理計算框架。
4.Storm 計算模型
Topology – DAG有向無環圖的實現(拓撲圖)
對於Storm實時計算邏輯的封裝
即，由一系列通過資料流相互關聯的Spout、Bolt所組成的拓撲結構
生命週期：此拓撲只要啟動就會一直在叢集中執行，直到手動將其kill，否則不會終止
（區別於MapReduce當中的Job，MR當中的Job在計算執行完成就會終止）。
Tuple – 元組
Stream中最小資料組成單元
Stream – 資料流
從Spout中源源不斷傳遞資料給Bolt、以及上一個Bolt傳遞資料給下一個Bolt，所形成的這些資料通道即叫做Stream
Stream宣告時需給其指定一個Id（預設為Default）
實際開發場景中，多使用單一資料流，此時不需要單獨指定StreamId
Spout – 資料來源
拓撲中資料流的來源。一般會從指定外部的資料來源讀取元組（Tuple）傳送到拓撲（Topology）中
一個Spout可以傳送多個資料流（Stream）
可先通過OutputFieldsDeclarer中的declare方法宣告定義的不同資料流，傳送資料時通過SpoutOutputCollector中的emit方法指定資料流Id（streamId）引數將資料傳送出去
Spout中最核心的方法是nextTuple，該方法會被Storm執行緒不斷呼叫、主動從資料來源拉取資料，再通過emit方法將資料生成元組（Tuple）傳送給之後的Bolt計算
Bolt – 資料流處理元件
拓撲中資料處理均有Bolt完成。對於簡單的任務或者資料流轉換，單個Bolt可以簡單實現；更加複雜場景往往需要多個Bolt分多個步驟完成
一個Bolt可以傳送多個資料流（Stream）
可先通過OutputFieldsDeclarer中的declare方法宣告定義的不同資料流，傳送資料時通過SpoutOutputCollector中的emit方法指定資料流Id（streamId）引數將資料傳送出去
Bolt中最核心的方法是execute方法，該方法負責接收到一個元組（Tuple）資料、真正實現核心的業務邏輯