大数据Storm有什么优势？

在大数据Hadoop组件中，有MapReduce、Spark，但基于实时的流式计算，Hadoop体系外的Storm有着不可替代的快速的优势。那Storm的作用是什么呢？

一、Storm的应用场景

主要用于基于网络的快速小数据处理。比如用户在淘宝网站上点击了什么链接、最新的订单从哪个地方产生。这些数据信息量其实不大，但要求进行快速的处理实时处理，以便于实时的呈现。

例如下图，阿里的实时订单数据，我们可以进行成交金额的快速获知

二、Storm与MapReduce的区别

1、Storm特点：基于内存计算、基于网络数据来源、用于实时计算

2、MapReduce特点：基于磁盘计算、数据来源于磁盘、用于批量非实时计算。

大家觉得Storm很有优势，但实际天生我才必有用，MapReduce的作用也很大。我们将所有的数据都存放到HDFS中，一般数据可为PB级别，采用MapReduce可充分发挥分布式计算的特点，得到区间段的数据分析结果。例如，运营商可以基于MapReudce可以分析所有网络用户访问互联网网站的Top10记录，以便于进行针对性的网站服务保障。

三、Storm的重要组件

1、主节点Nimbus，进行计算任务的分配，提交具体任务

2、Zookeeper，用于Nimbus与Supervisor的任务调度。Nimbus将任务写到Zookeeper中，Supervisor通过ZookeeperClient至Zookeeper的INI中取到具体的任务。同时，Nimbus通过Zookeeper感知到哪台工作机无法工作，将不再把任务分配给该故障工作机。

3、Supervisor中运行worker进行，运行具体的计算任务。

四、Storm的工作流程

Storm在运行中可分为spout与bolt两个组件，其中，数据源从spout开始，数据以tuple的方式发送到bolt，多个bolt可以串连起来，一个bolt也可以接入多个spot/bolt。

Topology：Storm中运行的一个实时应用程序的名称。将 Spout、 Bolt整合起来的拓扑图。定义了 Spout和 Bolt的结合关系、并发数量、配置等等。

Spout：在一个topology中获取源数据流的组件。通常情况下spout会从外部数据源中读取数据，然后转换为topology内部的源数据。

Bolt：接受数据然后执行处理的组件,用户可以在其中执行自己想要的操作。

Tuple：一次消息传递的基本单元，理解为一组消息就是一个Tuple。

Stream：Tuple的集合。表示数据的流向。

五、Topology的运行

在Storm中,一个实时应用的计算任务被打包作为Topology发布，这同Hadoop的MapReduce任务相似。但是有一点不同的是:在Hadoop中，MapReduce任务最终会执行完成后结束；而在Storm中，Topology任务一旦提交后永远不会结束，除非你显示去停止任务。