Apache Storm是一个免费开源、分布式、高容错的实时计算系统。Storm令持续不断的流计算变得容易，弥补了Hadoop批处理所不能满足的实时要求。Storm经常用于在实时分析、在线机器学习、持续计算、分布式远程调用和ETL等领域。

一个完整的storm 入门实例，使用maven 管理jar的引入

大数据发展史： Flink和storm sparkstreaming对比 实时框架如何选择1：需要关注流数据是否需要进行状态管理 2：At-least-once或者Exectly-once消息投递模式是否有特殊要求 3：对于小型独立的项目，并且需要低延迟的场景，建议使用storm 4：如果你的项目已经使用了spark，并且秒级别的实时处理可以满足需求的话，建议使用sparkStreaming5：要求消息投递语义为 Exactly Once 的场景；数据量较大，要求高吞吐低延迟的场景；需要进行状态管理或窗口统计的场景，建议使用flink 针对以上知识我们通过flink读取kafka保存到redis方式快速让大家学习flink如何使用，以及我们如果搭建高性能的flink应用，这个课程属于快速实战篇。 Flink + kafka + redis 实时计算

Storm是Twitter开源的分布式实时大数据处理框架，被业界称为实时版Hadoop

搭建Hadoop集群，并使用flume+kafka+storm+hbase实现日志抓取分析，使用一个主节点master、两个slave节点

spark Streaming的原理介绍和与storm的对比

storm链接kafka时需要导入kafka、storm和storm链接kafka的jar包外，还需要这些jar包的支持

Storm分布式实时计算模式由Apache Storm 项目核心贡献者吉奥兹、奥尼尔亲笔撰 写，融合了作者丰富的Storm实战经验，通过大量示例，全面而系统地讲解使用Storm进行分布式实 时计算的核心概念及应用，并针对不同的应用场 景，给出多种基于Storm的设计模式，为读者快速 掌握Storms分布式实时计算提供系统实践指南。 《Storm分布式实时计算模式》分为10章：第l章介绍使用storm建立一 个分布式流式计算应用所涉及的核心概念，包括 storm的数据结构、开发环境的搭建，以及Storm 程序的开发和调试技术等；第2章详细讲解storm 集群环境的安装和搭建，以及如何将topology部署 到分布式环境中；第3章通过传感器数据实例详细 介绍Trident topology；第4章讲解如何使用Storm 和Tridentj挂行实时趋势分析；第5章介绍如何使用 Storm进行图形分析，将数据持久化存储在图形数 据库中，通过查询数据来发现其中潜在的联系；第 6章讲解如何在Storm上使用递归实现一个典型的人 工智能算法；第7章演示集成Storm和非事务型系统 的复杂性，通过集成Storm和开源探索性分析架构 Druid实现一个可配置的实时系统来分析金融事件。 第8章探讨Lambda体系结构的实现方法，讲解如何 将批处理机制和实时处理引擎结合起来构建一个可 纠错的分析系统；第9章讲解如何将Pig脚本转化为 topology，并且使用Storm-YARN部署topology，从 而将批处理系统转化为实时系统；第10章介绍如 何在云服务提供商提供的主机环境下部署和运行 Storm。

风暴卡夫卡 风暴拓扑将风暴与Kafka和Elasticsearch集成 该Storm拓扑使用Kafka Spout读取来自Kafka的消息，并使用Bolt将从Kafka读取的传入消息解析为JSON消息。 然后将已解析的JSON消息加载到Elastic搜索中以使用Kibana进行仪表板和分析 该项目的前提条件：Zookeeper安装Kafka Broker Storm安装并启动Nimbus，Supervisor，Logviewer和UI Elastic search Kibana（用于仪表板） 设置：安装完上述工具集后，将maven项目下载到本地工作区中并构建一个jar 执行：风暴罐/Storm-Kafka-ES-Integration/target/StormKafkaESIntegration-0.0.1-SNAPSHOT-jar-with-dependencies.jar com.

基于Storm平台开发的日志处理系统 使用Netty,Mongo,等技术 请勿商用