本篇Blog是一个简单的Storm入门例子，目的让读者明白Storm是怎样的运行机制。以及后续会放出的几篇Storm高级特性以及最终将Storm融入Hadoop 2.x的YARN中。目的读者是已经进阶大数据的Hadoop，Spark用户，或者了解Storm想深入理解Storm的读者用户。
项目Pom（Storm jar没有提交到Maven中央仓库，需要在项目中加入下面的仓库地址）：
<repositories> <repository> <id>central</id> <name>MavenRepositorySwitchboard</name> <layout>default</layout> <url>http://maven.oschina.net/content/groups/public/</url> <snapshots> <enabled>false</enabled> </snapshots> </repository> <repository> <id>clojars</id> <url>https://clojars.org/repo/</url> <snapshots> <enabled>false</enabled> </snapshots> <releases> <enabled>true</enabled> </releases> </repository> </repositories> <dependencies> <dependency> <groupId>org.yaml</groupId> <artifactId>snakeyaml</artifactId> <version>1.13</version> </dependency> <dependency> <groupId>org.apache.zookeeper</groupId> <artifactId>zookeeper</artifactId> <version>3.3.3</version> </dependency> <dependency> <groupId>org.clojure</groupId> <artifactId>clojure</artifactId> <version>1.5.1</version> </dependency> <dependency> <groupId>storm</groupId> <artifactId>storm</artifactId> <version>0.9.0.1</version> </dependency> <dependency> <groupId>storm</groupId> <artifactId>libthrift7</artifactId> <version>0.7.0</version> </dependency> </dependencies>
下面是一个Storm的HelloWord的例子，代码有删减，熟悉Storm的读者自然能把代码组织成一个完整的例子。
publicstaticvoidmain(String[]args){
Configconf=newConfig();
conf.put(Config.STORM_LOCAL_DIR,"/Volumes/Study/data/storm");
conf.put(Config.STORM_CLUSTER_MODE,"local");
//conf.put("storm.local.mode.zmq","false");
conf.put("storm.zookeeper.root","/storm");
conf.put("storm.zookeeper.session.timeout",50000);
conf.put("storm.zookeeper.servers","nowledgedata-n15");
conf.put("storm.zookeeper.port",2181);
//conf.setDebug(true);
//conf.setNumWorkers(2);
TopologyBuilderbuilder=newTopologyBuilder();
builder.setSpout("words",newTestWordSpout(),2);
builder.setBolt("exclaim2",newDefaultStringBolt(),5)
.shuffleGrouping("words");
LocalClustercluster=newLocalCluster();
cluster.submitTopology("test",conf,builder.createTopology());
}
Config.STORM_LOCAL_DIR是配置一个本地路径，Storm会在这个路径写入一些配置信息和临时数据。
Config.STORM_CLUSTER_MODE是运行模式，local和distributed两个选项，即本地模式和分布式模式。本地模式在运行时时多线程模拟的，开发测试用；分布式模式在分布式集群下是多进程的，真正的分布式。
Storm的Spout和Blot高可用是通过ZooKeeper协调的，storm.zookeeper.root是一个ZooKeeper地址，并且有对应的端口号
Debug是测试模式，有更详细的日志信息。
TestWordSpout是一个Storm自带的例子，用来随机的产生new String[] {“nathan”, “mike”, “jackson”, “golda”, “bertels”};列表中的字符串，用来提供数据源。
其中DefaultStringBolt的源码：
OutputCollectorcollector;
publicvoidprepare(Mapconf,TopologyContextcontext,OutputCollectorcollector){
this.collector=collector;
}
publicvoidexecute(Tupletuple){
log.info("revamessage:"+tuple.getString(0));
collector.emit(tuple,newValues(tuple.getString(0)+"!!!"));
collector.ack(tuple);
}
运行日志：
10658[Thread-29-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:jackson 10658[Thread-31-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:jackson 10758[Thread-26-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:mike 10758[Thread-33-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:nathan 10859[Thread-26-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:nathan 10859[Thread-29-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:bertels 10961[Thread-31-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:jackson 10961[Thread-33-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:jackson 11061[Thread-35-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:nathan 11062[Thread-35-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:nathan 11162[Thread-26-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:bertels 11163[Thread-26-exclaim2]INFOcn.pointways.dstorm.bolt.DefaultStringBolt-revamessage:jackson
数据由一个Storm叫做喷嘴（Spout，也相当一个水龙头，能产生数据的来源端）产生，然后传递给后端一连串的的Blot，最终被转换和消费。而Spout和Blot都是并行的，并行度都可以自己设置（本地运行是靠多线程模拟的）。如：
builder.setSpout("words",newTestWordSpout(),2);
builder.setBolt("exclaim2",newDefaultStringBolt(),5)
喷嘴TestWordSpout的并行度是2，DefaultStringBolt的并行度是5.
从日志可以看出，数据经过喷嘴到达预先定于的一个Blot，打印了日志。我测试代码设置的并行度是5，日志中统计，确实是5个线程：
Thread-29-exclaim2 Thread-31-exclaim2 Thread-26-exclaim2 Thread-33-exclaim2 Thread-35-exclaim2
关于Storm是是什么？这里有详细的介绍。
借用OSC网友的话说，Hadoop就是商场里自动升降式的电梯，用户需要排队等待，选按楼层，然后到达；而Storm就像是自动扶梯，扶梯预先设置好运行后，来人就立即运走，目的地是明确的。
Storm按我的理解，Storm和Hadoop是完全不同的，设计上也没有半点拟合的部分。Storm更像是我之前介绍过的Spring Integration，是一个数据流系统。它能把数据按照预设定的流程，把数据做各种转换，传递，分解，合并，***数据到达后端存储。只不过Storm是可以分布式，而且分布式的能力也是可以自己设置。
Storm的这种特性很适合大数据类的ETL系统开发。
