上篇文章本人简单的介绍了Storm的起源，今天本人又继续学习了Storm的基本的一些知识，基本了解了他的基本用法，还好，不算太难，如果大家了解了Hadoop的MapReduce模型的话，看这个也是非常类似的。在了解Storm的原型时，首先了解一些概念。
1.Tuple(元组)，作为消息传递的基本单元，元组中的字段可以是任何类型的对象。元组会用于后面提到的Bolt方法的execute方法。
2.Spout(喷口)，是拓扑的流的来源，就是产生源数据流的组件。喷口的数据来源可以有几种方式。(1).直接连接数据源 (2).从消息队列中读取消息 (3).通过DRPC的形式，简单的说，Spout相当于Hadoop中的Map。
3.Bolt(螺栓)，在拓扑中处理所有的逻辑。在Bolt中可以完成连接运算，统计分析，等等各种逻辑操作。执行的方法就是刚刚说的那个execute()方法。
4.Topology(拓扑)，是Storm中运行的一个实时应用程序，一个完整的Spout--Bolt就是在一个Topology中执行的。Storm中的拓扑相当于Hadoop中的作业job，在MapReduce的作业会最终完成，而一个拓扑会永远运行直到他被杀死。在java里，用的是TopologyBuilder来构建拓扑。
5.Nimbus进程与Supervisor进程。主控结点运行Nimbus的守护进程。负责分配节点任务，并监视主机故障，类似Hadoop的jobTracker。每个工作节点运行的是Supervisor守护进程，监听主机上的已经分配好的作业。
6.Worker(工作进程)，Task(任务)，Executor(执行器),三者的关系非常相近，用一张图表示直接明了。这3个关系的在一定程度上也控制着Storm拓扑的并行度。在一个节点中可以有1个或多个工作进程运行在1个或多个拓扑中。
，所以这也表明了在Storm可以并行执行任务。下面给出一个非常简单的拓扑的例子:
public class SimpleTopology {
public static void main(String[] args) {
try {
// 实例化TopologyBuilder类。
TopologyBuilder topologyBuilder = new TopologyBuilder();
// 设置喷发节点并分配并发数，该并发数将会控制该对象在集群中的线程数。
topologyBuilder.setSpout("SimpleSpout", new SimpleSpout(), 1);
// 设置数据处理节点并分配并发数。指定该节点接收喷发节点的策略为随机方式。
topologyBuilder.setBolt("SimpleBolt", new SimpleBolt(), 3).shuffleGrouping("SimpleSpout");
Config config = new Config();
config.setDebug(true);
if (args != null && args.length > 0) {
config.setNumWorkers(1);
StormSubmitter.submitTopology(args[0], config, topologyBuilder.createTopology());
} else {
// 这里是本地模式下运行的启动代码。
config.setMaxTaskParallelism(1);
LocalCluster cluster = new LocalCluster();
cluster.submitTopology("simple", config, topologyBuilder.createTopology());
}
} catch (Exception e) {
e.printStackTrace();
}
}
}
上面的例子给出了本地测试模式和正式开发模式的的拓扑提交例子。为了比较Hadoop和Storm的区别。我做了表格:
对比项 Hadoop Storm
系统角色 JobTracker Nimbus
TaskTracker Supervisor
应用名称 Job Topology
组件接口 Map/Reduce Spout/Bolt
以上就是个人在最近一段时间学习Storm的一点小小总结