《Storm分布式实时计算模式》——导读

前　　言
目前对信息高时效性、可操作性的需求不断增长，这要求软件系统在更少的时间内能处理更多的数据。随着可连接设备数量不断增加，以及在众多行业领域广泛应用，这种信息需求已无处不在。传统企业的运营系统*处理原先只有互联网企业才会遇到的大规模数据。这种重大转变正不断瓦解传统架构和解决方案，传统上会将在线事务处理和离线分析分割开来。与此同时，人们正在重新勾勒从数据中提取信息的意义和价值。软件框架和基础设施也在不断进化，以适应这种新场景。
具体地说，数据的生成可以看作一连串发生的离散事件，这些事件流会伴随着不同的数据流、操作和分析，都会由一个通用的软件框架和基础设施来处理。
Storm正是最流行的实时流计算框架之一，它提供了可容错分布式计算所要求的基本原语和保障机制，可以满足大容量关键业务应用的需求。它不但是一套技术的整合，也是一种数据流和控制的机制。很多大公司都将Storm作为大数据处理平台的核心部分。
尝试使用本书中介绍的设计模式，你将学到开发、部署、运营数据处理的流程，它具有每天或者每小时处理上亿次事务的能力。
本书介绍了多种分布式计算相关的主题，包括设计和集成的模式，还介绍了这些技术常见的适用领域和具体应用。本书通过实际示例，从最简单的topology出发，首先向用户介绍了Storm基础，然后通过更复杂的示例，逐步引入Storm的高级概念、更细致的部署方案以及运营中需要关注的事项。

目　　录
前言
[第1章　分布式单词计数
1.1　Storm topology的组成部分——stream、spout和bolt ](https://yq.aliyun.com/articles/118179)
1.2　单词计数topology的数据流
1.3　实现单词计数topology
1.4　Storm的并发机制
1.5　理解数据流分组
1.6　有保障机制的数据处理
总结
[第2章　配置Storm集群
2.1　Storm集群的框架 ](https://yq.aliyun.com/articles/118231)
2.2　Storm技术栈简介
2.3　在Linux上安装Storm
2.4　把toplogy提交到集群中
2.5　自动化集群配置
2.6　Puppet的快速入门
总结
[第3章　Trident和传感器数据
3.1　使用场景 ](https://yq.aliyun.com/articles/118289)
3.2　Trident topology
3.3　Trident spout
3.4　Trident运算
3.5　Trident聚合器
3.6　Trident状态
3.7　执行topology
总结