前言

什么是storm，storm是做什么的，一个简单的描述，你可以理解为是一个“准实时”的Hadoop，Hadoop是专门做的是离线数据处理，而storm则弥补了Hadoop在这方面的不足，他是一个实时数据处理的平台。至于Storm的各种由来，就不一一在这里废话了，之前我写的某篇文章讲述了部分的Storm的代码结构，详情点击这里。

Storm的总体架构

先来了解一下Storm的整体结构，Storm中的几个关键词Topology，Spout,Bolt，Worker，Executor，Task，暂且就这些吧。这些关键词所代表的对象是在2种节点中运行的，一个叫Nimbus节点，还有一个叫Supervisor节点，Storm采用的也是master/slave的架构，所以也会存在单点的问题。Nimbus节点和Supervisor都能快速失败并恢复，而且他们是无状态的，在其间会利用存储在Zookeeper中的元数据。在每个Supervisor节点中，可以启很多的Worker，再在每个Worker中，可以启很多的Executor执行器，每个执行器内部又会划分出许多的Task，Task是系统允许的最小单位。下面是其中的一张截图。

Storm的整体结构运行图如下，Spout是数据源，像水龙头一般不断的产生数据，发送到Bolt节点中执行。

Storm的元数据存储

Storm采用Zookeeper来存储Nimbus，Supervisor以及内部的各个Worker之间的元数据，所以可以进行异常恢复。在Zookeeper中是如何存储的呢，答案是存在ZNode中，ZNode是一种树型结构，他有根节点，叶子节点等等，而Storm的这些数据是存在于其中的叶子节点中，最后是根据路径做区分和数据读取的。相当于是从根路径开始往下寻找，类似于Trie树的构造。下面是一张简图。

Storm的代码结构

Storm的源代码组成主要由Clojure和java2种语言来完成。Clojure在百度百科上的介绍是他是一种运行在java平台上的一种方言，而且这门语言的语法规则非常的简单，看过了Storm源码中的Clojure部分代码之后，你应该会看到许多函数式编程的痕迹。Clojure代码实现的主要功能包括Nimbus，Supervisor，worker等作业执行相关的操作，当然还有涉及到Zookeeper相关的数据交换操作等。而java部分的代码则是实现了许多的Storm的高级属性，比如Trident部分的代码，Trident是Storm对实时消息处理的更高层的抽象，我至今也还没有用过。如果是一般的作业执行，用到的核心代码其实还是用Clojure写的。