Storm的第一份作业

去年在公司做一些实时数据分析的程序，基本上依靠的是分布式缓存系统（像我们公司的tair或者使用MongoDB这样的kv数据库），他们具备的原子递增功能可以用来作实时的计数。这种方式要是遇到复杂的统计规则，那么设计所需的key就变得异常困难。还有个最大的缺点，一旦分布式缓存系统发生异常或者重启的时候，你的计数就完全不准确了。

很早开始关注storm了，本来想山寨一个。最近找了几个公司里比较关注这方面的牛人聊了一下，大家觉得现有开源的实时数据处理的方案中就是它最靠谱了。因此，我准备好好用用storm，做几个经典的实时数据分析案例出来。

刚开始接触storm，第一份作业准备做一个简单例子，先在本地模式下跑。

我们假定有个交易系统，需要做一个针对每个ip订单创建量做实时统计（不知道这个规则是不是太简化了）。

在介绍怎么做之前，我们先来了解一些storm的基本概念：

Topologies

直译过来是拓扑结构的意思。它是storm里面描述一个实时程序的单位，有点像Hadoop的MapReduce Job。但也很不像，一个topology一旦启动就会一直在哪里运行着（除非你主动把它停止），而MapReduce Job一次跑完就结束了。topology其实就是描述了一个由spouts和bolts组成并通过流分组（stream grouping）方式连接的拓扑图。如下图所示：

。。。。

详细内容请访问我的新博客地址：

http://xiaofengmetis.com/?p=27