Jstorm概述

JStorm 是一个分布式实时计算引擎

实时计算 vs 流式计算

流式计算 是一种编程模型，强调流水处理，从上游到下游，多个节点顺序处理
实时计算 是一种对数据时效的要求，强调响应时间

现在的几乎全部实时计算引擎都是使用流式计算

JStorm 是一个类似Hadoop MapReduce的系统， 用户按照指定的接口实现一个任务，然后将这个任务递交给JStorm系统，JStorm将这个任务跑起来，并且按7 * 24小时运行起来，一旦中间一个Worker 发生意外故障， 调度器立即分配一个新的Worker替换这个失效的Worker,来保证可靠性。

因此，从应用的角度，JStorm应用是一种遵守某种编程规范的分布式应用。从系统角度， JStorm是一套类似MapReduce的调度系统。 从数据的角度，JStorm是一套基于流水线的消息处理机制。

数据流计算来自于一个概念：数据的价值随着时间的流逝而降低。所以事件出现后必须尽快地对它们进行处理，最好数据出现时便立刻对其进行处理，发生一个事件进行一次处理，而不是缓存起来成一批处理。实时计算现在是大数据领域中最火爆的一个方向，因为人们对数据的要求越来越高，实时性要求也越来越快，传统的Hadoop MapReduce，逐渐满足不了需求，因此在这个领域需求不断。

Storm组件和Hadoop组件对比

Name JStorm Hadoop 控制节点（一般指机器） Nimbus JobTracker 执行节点 （一般指机器） Supervisor TaskTracker 工作单元（进程） Worker Child 最小执行单位（线程） Task 应用名称 Topology Job 编程接口 Spout/Bolt Mapper/Reducer 工作方式 实时（7*24） 离线（处理完数据集就结束） 数据形态 小数据 大数据块

其实大数据处理的基础原理就是，分而治之，并行处理。

优点

在Storm和JStorm出现以前，市面上出现很多实时计算引擎，但自Storm和JStorm出现后，基本上可以说一统江湖： 究其优点:

1. 开发非常迅速
   接口简单，容易上手，只要遵守Topology、Spout和Bolt的编程规范即可开发出一个扩展性极好的应用，底层RPC、Worker之间冗余，数据分流之类的动作完全不用考虑
2. 扩展性极好
   当一级处理单元速度，直接配置一下并发数，即可线性扩展性能
3. 健壮强
   当Worker失效或机器出现故障时， 自动分配新的Worker替换失效Worker
4. 数据准确性
   可以采用Ack机制，保证数据不丢失。 如果对精度有更多一步要求，采用事务机制，保证数据准确。
5. 实时性高
   JStorm 的设计偏向单行记录，因此，在时延较同类产品更低

应用场景

JStorm处理数据的方式是基于消息的流水线处理， 因此特别适合无状态计算，也就是计算单元的依赖的数据全部在接受的消息中可以找到， 并且最好一个数据流不依赖另外一个数据流。

因此，常常用于:

1. 日志分析
   从日志中分析出特定的数据，并将分析的结果存入外部存储器如数据库。目前，主流日志分析技术就使用JStorm或Storm
2. 管道系统
   将一个数据从一个系统传输到另外一个系统， 比如将数据库同步到Hadoop
3. 消息转化器
   将接受到的消息按照某种格式进行转化，存储到另外一个系统如消息中间件
4. 统计分析器
   从日志或消息中，提炼出某个字段，然后做count或sum计算，最后将统计值存入外部存储器。中间处理过程可能更复杂。
5. 实时推荐系统
   将推荐算法运行在jstorm中，达到秒级的推荐效果