初识Storm
Storm,分布式的实时流处理框架，处理对象是流Stream,就是连续的元组Tuple,源头Spout,如水龙头的管口，流出的Tuple转换为Bolt(水处理器，或者叫处理容器),然后可以导向另外一个容器Bolt(水处理器，或者叫处理容器)。为了提升效率，可以多接一些Bolt，这样形成一张有向无环图，Topology(拓扑)，实际上就是一个流转换图。
- 角色和组件对比：
- 核心组件：主节点Ｎimbus负责分配任务和监测故障，工作节点Ｓupervisor，Ｗｏｒｋｅｒ负责处理事务的进程，里面的每一个线程就是一个ＴＡＳＫ，０.７版本引入了事务，保证每一个消息至少被处理一次。
Storm使用Zookeeper协调集群，由于Zookeeper并不用于消息传递，所以Storm给Zookeeper带来的压力相当低。大多数情况下，单个节点的Zookeeper集群足够胜任，不过为了确保故障恢复或者部署大规模Storm集群，可能需要更大规模节点的Zookeeper集群（对于Zookeeper集群的话，官方推荐的最小节点数为3个）。在Zookeeper集群的每台机器上完成以下安装部署步骤：
1）下载安装Java JDK，官方下载链接为http://java.sun.com/javase/downloads/index.jsp，JDK版本为JDK 6或以上。
2）根据Zookeeper集群的负载情况，合理设置Java堆大小，尽可能避免发生swap，导致Zookeeper性能下降。保守期间，4GB内存的机器可以为Zookeeper分配3GB最大堆空间。
3）下载后解压安装Zookeeper包，官方下载链接为http://hadoop.apache.org/zookeeper/releases.html。
4）根据Zookeeper集群节点情况，创建如下格式的Zookeeper配置文件zoo.cfg：
其中，dataDir指定Zookeeper的数据文件目录；其中server.id=host:port:port，id是为每个Zookeeper节点的编号，保存在dataDir目录下的myid文件中，zoo1~zoo3表示各个Zookeeper节点的hostname，第一个port是用于连接leader的端口，第二个port是用于leader选举的端口。
5）在dataDir目录下创建myid文件，文件中只包含一行，且内容为该节点对应的server.id中的id编号。
6）启动Zookeeper服务：
java -cp zookeeper.jar:lib/log4j-1.2.15.jar:conf \ org.apache.zookeeper.server.quorum.QuorumPeerMain zoo.cfg
也可以通过bin/zkServer.sh脚本启动Zookeeper服务。
7）通过Zookeeper客户端测试服务是否可用：
java -cp zookeeper.jar:src/java/lib/log4j-1.2.15.jar:conf:src/java/lib/jline-0.9.94.jar \ org.apache.zookeeper.ZooKeeperMain -server 127.0.0.1:2181
也可以通过bin/zkCli.sh脚本启动Zookeeper Java客户端。
./configure make cli_st make cli_mt
运行进入C客户端：
cli_st 127.0.0.1:2181 cli_mt 127.0.0.1:2181
至此，完成了Zookeeper集群的部署与启动。
注意事项：
接下来，需要在Nimbus和Supervisor机器上安装Storm的依赖库，具体如下：
以上依赖库的版本是经过Storm测试的，Storm并不能保证在其他版本的Java或Python库下可运行。
下载后编译安装ZMQ：
注意事项：
sudo yum install e2fsprogsl -b current sudo yum install e2fsprogs-devel -b current
下载后编译安装JZMQ：
为了保证JZMQ正常工作，可能需要完成以下配置：
注意事项：
1. 如果运行./configure命令出现问题，参考这里。
1. 下载并安装JDK 6，参考这里；
2. 配置JAVA_HOME环境变量；
3. 运行java、javac命令，测试java正常安装。
1. 下载Python2.6.6：
wget http://www.python.org/ftp/python/2.6.6/Python-2.6.6.tar.bz2
2. 编译安装Python2.6.6：
tar –jxvf Python-2.6.6.tar.bz2 cd Python-2.6.6 ./configure make make install
3. 测试Python2.6.6：
$ python -V Python 2.6.6
1. 如果使用RedHat系列Linux系统，执行以下命令安装unzip：
apt-get install unzip
2. 如果使用Debian系列Linux系统，执行以下命令安装unzip：
yum install unzip
下一步，需要在Nimbus和Supervisor机器上安装Storm发行版本。
1. 下载Storm发行版本，推荐使用Storm0.8.1：
wget https://github.com/downloads/nathanmarz/storm/storm-0.8.1.zip
2. 解压到安装目录下：
unzip storm-0.8.1.zip
Storm发行版本解压目录下有一个conf/storm.yaml文件，用于配置Storm。默认配置在这里可以查看。conf/storm.yaml中的配置选项将覆盖defaults.yaml中的默认配置。以下配置选项是必须在conf/storm.yaml中进行配置的：
1) storm.zookeeper.servers: Storm集群使用的Zookeeper集群地址，其格式如下：
storm.zookeeper.servers: - "111.222.333.444" - "555.666.777.888"
如果Zookeeper集群使用的不是默认端口，那么还需要storm.zookeeper.port选项。
2) storm.local.dir: Nimbus和Supervisor进程用于存储少量状态，如jars、confs等的本地磁盘目录，需要提前创建该目录并给以足够的访问权限。然后在storm.yaml中配置该目录，如：
storm.local.dir: "/home/admin/storm/workdir"
3) java.library.path: Storm使用的本地库（ZMQ和JZMQ）加载路径，默认为"/usr/local/lib:/opt/local/lib:/usr/lib"，一般来说ZMQ和JZMQ默认安装在/usr/local/lib 下，因此不需要配置即可。
4) nimbus.host: Storm集群Nimbus机器地址，各个Supervisor工作节点需要知道哪个机器是Nimbus，以便下载Topologies的jars、confs等文件，如：
nimbus.host: "111.222.333.444"
5) supervisor.slots.ports: 对于每个Supervisor工作节点，需要配置该工作节点可以运行的worker数量。每个worker占用一个单独的端口用于接收消息，该配置选项即用于定义哪些端口是可被worker使用的。默认情况下，每个节点上可运行4个workers，分别在6700、6701、6702和6703端口，如：
supervisor.slots.ports: - 6700 - 6701 - 6702 - 6703
最后一步，启动Storm的所有后台进程。和Zookeeper一样，Storm也是快速失败（fail-fast)的系统，这样Storm才能在任意时刻被停止，并且当进程重启后被正确地恢复执行。这也是为什么Storm不在进程内保存状态的原因，即使Nimbus或Supervisors被重启，运行中的Topologies不会受到影响。
以下是启动Storm各个后台进程的方式：
注意事项：
至此，Storm集群已经部署、配置完毕，可以向集群提交拓扑运行了。
1）启动Storm Topology：
storm jar allmycode.jar org.me.MyTopology arg1 arg2 arg3
其中，allmycode.jar是包含Topology实现代码的jar包，org.me.MyTopology的main方法是Topology的入口，arg1、arg2和arg3为org.me.MyTopology执行时需要传入的参数。
2）停止Storm Topology：
storm kill {toponame}
其中，{toponame}为Topology提交到Storm集群时指定的Topology任务名称。
1. https://github.com/nathanmarz/storm/wiki/Tutorial
2. https://github.com/nathanmarz/storm/wiki/Setting-up-a-Storm-cluster