Apache Storm從一端讀取實時數據的原始流，並將其傳遞通過一系列小處理單元，並在另一端輸出處理/有用的信息。
　　
　　下圖描述了Apache Storm的核心概念。
　　
　　640?wx_fmt=png&wxfrom=5&wx_lazy=1
　　
　　現在讓我們仔細看看Apache Storm的組件 -
　　
　　組件 描述
　　
　　Tuple Tuple是Storm中的主要數據結構。它是有序元素的列表。默認情況下，Tuple支持所有數據類型。通常，它被建模為一組逗號分隔的值，並傳遞到Storm集群。
　　
　　Stream 流是元組的無序序列。
　　
　　Spouts 流的源。通常，Storm從原始數據源（如Twitter Streaming API，Apache Kafka隊列，Kestrel隊列等）接受輸入數據。否則，您可以編寫spouts以從數據源讀取數據。“ISpout”是實現spouts的核心接口，一些特定的接口是IRichSpout，BaseRichSpout，KafkaSpout等。
　　
　　Bolts Bolts是邏輯處理單元。Spouts將數據傳遞到Bolts和Bolts過程，並產生新的輸出流。Bolts可以執行過濾，聚合，加入，與數據源和數據庫交互的操作。Bolts接收數據並發射到一個或多個Bolts。 “IBolt”是實現Bolts的核心接口。一些常見的接口是IRichBolt，IBasicBolt等。
　　
　　讓我們來看一個“Twitter分析”的實時示例，看看如何在Apache Storm中建模。下圖描述了結構。
　　
　　0?wx_fmt=png
　　
　　“Twitter分析”的輸入來自Twitter www.dfgjpt.com Streaming API。Spout將使用Twitter Streaming API讀取用戶的tweets，並作為元組流輸出。來自spout的單個元組將具有twitter用戶名和單個tweet作為逗號分隔值。然後，這個元組的蒸汽將被轉發到Bolt，並且Bolt將tweet拆分成單個字，計算字數，並將信息保存到配置的數據源。現在，我們可以通過查詢數據源輕松獲得結果。
　　
　　拓撲
　　
　　Spouts和Bolts連接在一起，形成拓撲結構。實時應用程序邏輯在Storm拓撲中指定。簡單地說，拓撲是有向圖，其中頂點是計算，邊緣是數據流。
　　
　　簡單拓撲從spouts開始。Spouts將數據發射到一個或多個Bolts。www.jyyl157.com Bolt表示拓撲中具有最小處理邏輯的節點，並且Bolts的輸出可以發射到另一個Bolts作為輸入。
　　
　　Storm保持拓撲始終運行，直到您終止拓撲。Apache Storm的主要工作是運行拓撲，並在給定時間運行任意數量的拓撲。
　　
　　任務
　　
　　現在你有一個關於Spouts和Bolts的基本想法。它們是拓撲的最小邏輯單元，並且使用單個Spout和Bolt陣列構建拓撲。應以特定順序正確執行它們，以使拓撲成功運行。Storm執行的每個Spout和Bolt稱為“任務”。簡單來說，任務是Spouts或Bolts的執行。在給定時間，每個Spout和Bolt可以具有在多個單獨的螺紋中運行的多個實例。
　　
　　進程
　　
　　拓撲在多個工作節點上以分布式方式運行。Storm將所有工作節點上的任務均勻分布。工作節點的角色是監聽作業，並在新作業到達時啟動或停止進程。
　　
　　流分組
　　
　　數據流從Spouts流到Bolts，或從一個Bolts流到另一個Bolts。流分組控制元組在拓撲中的路由方式，並幫助我們了解拓撲中的元組流。有四個內置分組，如下所述。
　　
　　隨機分組
　　
　　在隨機分組中，相等數量的元組隨機分布在執行Bolts的所有工人中。下圖描述了結構。
　　
　　0?wx_fmt=jpeg
　　
　　字段分組
　　
　　元組中具有相同值的字段組合在一起，其余的元組保存在外部。然後，具有相同字段值的元組被向前發送到執行Bolts的同一進程。例如，如果流由字段“字”分組，則具有相同字符串“Hello”的元組將移動到相同的工作者。下圖顯示了字段分組的工作原理。
　　
　　0?wx_fmt=jpeg
　　
　　全局分組
　　
　　所有流可以分組並向前到一個Bolts。此分組將源的所有實例生成的元組發送到單個目標實例（具體來說，選擇具有最低ID的工作程序）。
　　
　　0?wx_fmt=jpeg
　　
　　所有分組
　　
　　所有分組將每個元組的單個副本發送到接收Bolts的所有實例。這種分組用於向Bolts發送信號。所有分組對於連接操作都很有用。

Apache Storm從一端讀取實時數據的原始流