Storm的核心技术
Storm框架的核心由7个部分组成，如下图：
Topology（拓扑）
一个拓扑是一个图的计算。用户在一个拓扑的每个节点包含处理逻辑，节点之间的连接显示数据应该如何在节点间传递。;
Storm Topology类似于MapReduce，两者关键的区别是MapReduce运行完会结束，而Storm Topology会永远运行（除手动storm kill {topologyName}）。Storm Topology的结构是一个DAG图，由Spouts和Bolts组件构成，Spout组件作为数据源分发流数据到各个bolt组件中，流数据在各个组件中传递的对象为Tuple。拓扑分为本地模式和机器模式，Java示例如下：
String topologyName = WordCountTopology.class.getSimpleName(); //使用TopologyBuilder来构造拓扑，并定义Spout和Bolt之间的连接 TopologyBuilder builder = new TopologyBuilder(); builder.setSpout("input", new InputSpout()); builder.setBolt("split", new SplitBolt()).shuffleGrouping("input"); builder.setBolt("count", new CountBolt()).shuffleGrouping("split"); Config config = new Config(); config.setDebug(true); if (args!=null && args.length>0) { config.setNumWorkers(3); //集群模式运行提交拓扑，API为StormSubmitter.submitTopology(topologyName, conf, topology); StormSubmitter.submitTopology(topologyName, config, builder.createTopology()); } else { //本地模式运行提交拓扑，API为new LocalCluster().submitTopology(topologyName, conf, topology); LocalCluster cluster = new LocalCluster(); cluster.submitTopology(topologyName, config, builder.createTopology()); Utils.sleep(1000*100); cluster.killTopology(topologyName); cluster.shutdown(); }
Stream（流）
流是Storm的核心抽象。一个流是一个无界Tuple序列，Tuple可以包含整型、长整型、短整型、字节、字符、双精度数、浮点数、布尔值和字节数组。用户可以通过自定义序列化器在Tuple中使用自定义类型。在Spout和Bolt组件中流通常都被赋予一个id，使用OutputFieldsDeclarer.declare方法来声明一个流没有指定id,在这种情况下则默认id为default。
Spout（喷口）
Spout是Topology流的来源。一般Spout从外部来源读取Tuple，提交到Topology（如Kafka队列或Flume）。Spout可以分为可靠的和不可靠的两种模式。
Bolt（螺栓）
Topology中的所有数据的处理都在Bolt中完成。Bolt可以完成数据过滤、业务处理、连接运算、连接、访问数据库等操作。Bolt可以做简单的流转换，发出超过一个流，主要方法是execute方法。完全可以在Bolt中启动新的线程做异步处理。
Stream grouping（流分组）
流分组在Bolt的任务中定义流应该如何分区。Storm有7个内置的流分组接口：随机分组（Shuffle grouping）、字段分组（Fields grouping）、全部分组（All grouping）、全局分组（Global grouping）、无分组（None grouping）、直接分组（Direct grouping）、本子或者随机分组（Local grouping或Shuffle grouping）。
Task（任务）
每个Spout或Bolt在集群中执行许多任务。每个任务对应一个线程的执行，刘分组定义如何从一个任务集到另一个任务集发送Tuple。可以通过TopologyBuilder类的setSpout()和setBolt()方法来设置每个Spout或Bolt的并行度。
worker（工作进程）
Topology跨一个或多个Worker节点的进程执行。每个Worker节点的进程是一个物理的JVM和Topology执行所有任务的一个子集。
Storm的优势
集成多种技术
Storm集成了一些消息队列系统和数据库系统，Storm的Spout抽象使得它很容易集成一些新的消息队列系统。消息队列集成主要有：Kestrel、RabbitMQ/AMQP、Kafka、JMS。同样，Storm也很容易的和数据库系统集成。简单的打开一个数据库连接，就可以像平时一样进行读写，Storm会自动完成并行化、分区、在失败时重试等操作。
简单的API
Storm只有三个抽象类型：Spout、Bolt、Topology。Spout是Topology的数据源。（通常在Topology中Spout从Kestrel、RabbitMQ、Kafka等消息队列中读取；Spout也可以读取数据库或生成自己的流）Spout实现了现有的大多数的队列系统。
可扩展性
Storm的Topology是并行计算的，它运行在一个集群中，Topology支持单独调整进行扩展。Storm提供了rebalance命令可以调整并行运行的Topology。Storm内在的并行度意味着它能以低延迟的速度来处理高吞吐量的消息。Storm官网资料介绍，Storm 一个节点（Intel E5645@2.4GHZ的CPU，24GB的内存）在1秒钟内能够处理100w个100字节的消息。
容错性
Storm是容错的，当Worker进程死亡Storm会重启它们。如果一个节点（Supervisor）死亡，该节点上运行的Worker会在其他节点上重新启动。Storm的守护进程Nimbus和Supervisor被设计成无状态和快速失败的，所以如果它们死亡，它们会重启就像什 么都没有发生过。这意味着使用kill -9命令强制杀死Storm的守护进程而不影响集群或Topology的健康。
保证数据被可靠的处理
Storm能保证每一个Tuple都能被完全处理。Storm的核心机制之一是能够通过一种非常有效的Topology方式来跟踪Tuple。Storm保证每个消息至少能得到一次完整的处理。任务失败时，它会负责从消息源重试。使用Trident（在Storm基本抽象上更高层次 的抽象），用户可以实现一次且仅一次处理的语义。
多语言
Storm的核心是一个定义和提交Topology的Thrift定义，所以支持任何语言进行定义和提交Topology。如果用户使用非JVM的Spout和Bolt可以通过一个基于JSON协议的stdin/stdout与Storm通信。目前有Ruby、Python、JavaScript、Perl和PHP实现这个 协议的适配器。
部署简单和开源
Storm集群是易于部署的，仅需要（zeroMQ、jzMQ）和配置conf/storm.yaml就可以运行，Storm的“开箱即用”配置比较适合生产环境；Storm是Eclipse Public License许可证下的一个免费开源的项目，目前被托管在GitHub上。Eclipse Public License（EPL）是一个非常宽容的许可，允许用户使用Storm用户开源的或者专有目的的使用。