"Storm"是一种开源的分布式计算框架，它被设计用来处理高速大规模数据流。它的主要目的是对实时数据流进行MDA（处理、分析和实时）操作。
Storm大大简化了实时数据处理和分析的复杂性，它可以在云计算和大数据环境中处理无限大小的数据源，并且可以安全可靠地存储大量数据。
除此之外，它提供了可扩展的实时计算的语言——"Spouts"和"Bolts"，以及快速、可靠、动态的分布式计算运行时环境。所以可以说，"Storm"属于实时数据处理的领域，具有灵活、高可用、高扩展性等特点。
一、Storm概述
Storm是一个分布式的、可靠的、零失误的流式数据处理系统。
它的工作就是委派各种组件分别独立的处理一些简单任务。在Storm集群中处理输入流的是Spout组件，而Spout又把读取的数据传递给叫Bolt的组件。
Bolt组件会对收到的数据元组进行处理，也有可能传递给下一个Bolt。我们能够把Storm集群想象成一个由bolt组件组成的链条集合。数据在这些链条上传输。而bolt作为链条上的节点来对数据进行处理。
Storm和Hadoop集群表面看上去非常类似，可是Hadoop上面执行的是MapReduceJobs,而在Storm上执行的是拓扑topology，这两者之间是非常不一样的，关键差别是：MapReduce终于会结束，而一个topology永远会执行（除非你手动kill掉）,换句话说。Storm是面向实时数据分析，而Hadoop面向的是离线数据分析。
如果有这么一种情形。当你看政论类节目的时候。他们会常常提到一些人名和一些热门话题。如果我们把当中人名和话题的反复次数都记录下来，结果应该是一件非常有趣的事情。
因此，想象在Storm环境下，我们能够把辩论者说的话作为输入流，spout组件来读取这些数据，然后把每一句话发送给bolt1组件，bolt1组件负责把这一句话拆分成一个个单词。再把这些单词发送到bolt2组件。bolt2组件负责统计每一个单词的数量然后把这些信息存储到数据库中。辩论者在不断的说话。而storm不断的实时刷新数据库中结果，当你想查看这些结果时，你仅仅需查询数据库就可以。
如今，你能够想象假设能够把这些spout和bolt均衡分布到整个集群中，而且能够方便地做无限制的扩展，厉害吧？这就是Storm的威力！
