maven搭建的storm+kafka+redis+mysql实例程序，导入后下载maven库可运行

原版插件已停止更新，并且无法打开stackoverflow网站了，我通过修改源码的方式，使得其继续正常工作。开源，绝无恶意代码，您可以随时使用 JD-GUI查看源码

【翻译】Storm.pdf

webservice调试工具,很方便，很实用

storm 案例

用于storm的安装（JDK 1.6+、Python 2.6.6+、ZooKeeper3.4.5+、storm 0.9.4+）

storm是一个流式架构，当我们用idea或者eclipse进行编程时需要导入storm的依赖jar包，一共173个打包在一起，亲测有效

风暴英雄自由英雄自转 “风暴英雄自由旋转”是非官方的扩展，用于获得暴雪游戏中英雄的最后一次自由旋转：风暴英雄。 您可以导航到过去的轮换。 您可以看看高层团队。 支持语言:English

大数据流式计算平台Apache Storm默认采用轮询的方式进行任务调度，未考虑到拓扑中各任务计算开销的差异以及任务之间不同类型的通信模式，在负载均衡和通信开销方面存在较大的优化空间。针对这一问题，提出 一种Storm环境下基于权重的任务调度算法(TSAW-Storm)。该算法首先根据各任务的CPU资源占用情况以及任务间的数据流大小，分别确定拓扑的点权和边权; 并利用最大化边权增益的思想，逐步构建起各工作节点中承载的任务集合，在保证集群负载均衡的同时，尽可能将边权较大的节点间数据流转化为节点内数据流，从而降低网络传输开销。实验结果表明，在包含有8个工作节点的WordCount基准测试中，TSAW-Storm的系统延迟和节点间数据流大小相比Storm默认调度算法分别降低了30.0%和32.9%，且各工作节点的CPU负载标准差仅为Storm默认调度算法的25.8% ; 此外，在与在线调度算法的对比实验中，TSAW-Storm在系统延迟、节点间数据流大小和CPU负载标准差方面分别降低了7.76%、11.8%和5.93%，且算法的执行开销明显降低，有效提高了Storm系统的运行效率。

A Stable Online Scheduling Strategy for Real-Time Stream Computing Over Fluctuating Big Data Streams