课程介绍课程名称：Storm是什么课程目标：通过该课程的学习能够了解离线计算与流式计算的区别、掌握Storm框架的基础知识、了解流式计算的一般架构图。课程大纲：离线计算是什么？流式计算是什么？流式计算与离线计算的区别？Storm是什么？Storm与Hadoop的区别？Storm的应用场景及行业案例Storm的核心组件（重点掌握）Storm的编程模型（重点掌握）流式计算的一般架构图(重点掌握)背景介绍Storm背景介绍课程内容1、离线计算是什么？离线计算：批量获取数据、批量传输数据、周期性批量计算数据、数据展示代表技术：Sqoop批量导入数据、HDFS批量存储数据、MapReduce批量计算数据、Hive批量计算数据、***任务调度1，hivesql2、调度平台3、Hadoop集群运维4、数据清洗（脚本语言）5、元数据管理6、数据稽查7、数据仓库模型架构2、流式计算是什么流式计算：数据实时产生、数据实时传输、数据实时计算、实时展示代表技术：Flume实时获取数据、Kafka/metaq实时数据存储、Storm/JStorm实时数据计算、Redis实时结果缓存、持久化存储(mysql)。一句话总结：将源源不断产生的数据实时收集并实时计算，尽可能快的得到计算结果3、离线计算与实时计算的区别最大的区别：实时收集、实时计算、实时展示4、Storm是什么？Flume实时采集，低延迟Kafka消息队列，低延迟Storm实时计算，低延迟Redis实时存储，低延迟Storm用来实时处理数据，特点：低延迟、高可用、分布式、可扩展、数据不丢失。提供简单容易理解的接口，便于开发。海量数据？数据类型很多，产生数据的终端很多，处理数据能力增强5、Storm与Hadoop的区别Storm用于实时计算，Hadoop用于离线计算。Storm处理的数据保存在内存中，源源不断；Hadoop处理的数据保存在文件系统中，一批一批。Storm的数据通过网络传输进来；Hadoop的数据保存在磁盘中。Storm与Hadoop的编程模型相似Job：任务名称JobTracker：项目经理TaskTracker：开发组长、产品经理Child:负责开发的人员Mapper/Reduce:开发人员中的两种角色，一种是服务器开发、一种是客户端开发Topology:任务名称Nimbus:项目经理Supervisor:开组长、产品经理Worker:开人员Spout/Bolt：开人员中的两种角色，一种是服务器开发、一种是客户端开发6、Storm应用场景及行业案例Storm用来实时计算源源不断产生的数据，如同流水线生产。6.1、运用场景日志分析从海量日志中分析出特定的数据，并将分析的结果存入外部存储器用来辅佐决策。管道系统将一个数据从一个系统传输到另外一个系统，比如将数据库同步到Hadoop消息转化器将接受到的消息按照某种格式进行转化，存储到另外一个系统如消息中间件6.2、典型案列一淘-实时分析系统：实时分析用户的属性，并反馈给搜索引擎最初，用户属性分析是通过每天在云梯上定时运行的MRjob来完成的。为了满足实时性的要求，希望能够实时分析用户的行为日志，将最新的用户属性反馈给搜索引擎，能够为用户展现最贴近其当前需求的结果。携程-网站性能监控：实时分析系统监控携程网的网站性能利用HTML5提供的performance标准获得可用的指标，并记录日志。Storm集群实时分析日志和入库。使用DRPC聚合成报表，通过历史数据对比等判断规则，触发预警事件。阿里妈妈-用户画像：实时计算用户的兴趣数据为了更加精准投放广告，阿里妈妈后台计算引擎需要维护每个用户的兴趣点（理想状态是，你对什么感兴趣，就向你投放哪类广告）。用户兴趣主要基于用户的历史行为、用户的实时查询、用户的实时点击、用户的地理信息而得，其中实时查询、实时点击等用户行为都是实时数据。考虑到系统的实时性，阿里妈妈使用Storm维护用户兴趣数据，并在此基础上进行受众定向的广告投放。7、Storm核心组件（重要）Nimbus：负责资源分配和任务调度。Supervisor：负责接受nimbus分配的任务，启动和停止属于自己管理的worker进程。---通过配置文件设置当前supervisor上启动多少个worker。Worker：运行具体处理组件逻辑的进程。Worker运行的任务类型只有两种，一种是Spout任务，一种是Bolt任务。Task：worker中每一个spout/bolt的线程称为一个task.在storm0.8之后，task不再与