引子
这几天为了优化原有的数据处理框架，比较系统的学习了storm的一些内容，整理一下心得
1. storm提供的是一种数据处理思想，它不提供具体的解决方案
storm的核心是topo的定义，而topo承载着所有的业务逻辑，我们基于storm的topo的组织方案，来编排私有的业务实现逻辑。
storm的业务抽象是最基本的信息流式处理范式。
2. storm支持多种语言
storm提供的处理框架支持多种语言，java只是其中一种，我们可以使用不同的语言实现topo
3. storm会将依赖的class打入同一个类
这对初学者可能很奇怪，但这是storm为了分布式部署所做的妥协，如果jar包本身带有运行期所需要的所有东西，那storm本身就可以只作为一个运行框架而存在，而jar包在cluster之间的分发也会变得容易许多。
4. storm可以支持多个topo
上面一再说了，storm本身只是一种数据的处理框架，业务逻辑的核心是topo，我们可以向storm集群中提交多个topo来充分使用storm的集群式处理能力。也因为配置是对topo生效的，因此也可以定义topo的处理能力。
5. 与Hadoop相比较，storm更擅长即时处理
storm不会有hadoop复杂和冗长的预处理过程，，分布式的storm和分布式的hadoop是一对好搭档，他们可以共同构成一套大数据处理框架。
6. storm的topo间通信基本是不可行的
topo在storm中独立运行，互不干扰的，在代码层面进行topo的直接通信是不可行的（至少我没有找到），只能通过storm ui和有限的api来进行监控。
如果实在有通信需求，可以考虑使用zookeeper或者数据库作为通信的中介，有topo与中介通信实现间接的交流。
一种基于Storm的可扩展即时数据处理架构思考
Storm如何分配任务和负载均衡？
Storm进程通信机制分析
Apache Storm 的历史及经验教训
Apache Storm 的详细介绍：请点这里Apache Storm 的下载地址：请点这里
本文永久更新链接地址：
一个人身边的位置只有这么多，
