Apache Storm从一端读取实时数据的原始流，并将其传递给一系列小型处理单元，并在另一端输出已处理/有用的信息.
下图描绘了Apache Storm的核心概念.
现在让我们仔细看看Apache Storm&minus的组件;
| 组件 | 描述 |
|---|---|
| Tuple | 元组是Storm中的主要数据结构.它是有序元素的列表.默认情况下，Tuple支持所有数据类型.通常，它被建模为一组逗号分隔值并传递给Storm集群. |
| Stream | Stream是一个无序的元组序列. |
| Spouts | 流的来源.通常，Storm接受来自原始数据源的输入数据，如Twitter Streaming API，Apache Kafka队列，Kestrel队列等.否则，您可以编写spout来从数据源读取数据. "ISpout"是实现spouts的核心接口.一些特定的接口是IRichSpout，BaseRichSpout，KafkaSpout等. |
| Bolts | 螺栓是逻辑处理单元.喷口将数据传递给螺栓和螺栓，并生成新的输出流.螺栓可以执行过滤，聚合，连接，与数据源交互的操作Bolt接收数据并发射到一个或多个螺栓."IBolt"是实现螺栓的核心接口.一些常见的接口是IRichBolt，IBasicBolt等. |
让我们看一下"Twitter分析"的实时示例，看看它如何在Apache Storm中建模.下图描绘了结构.
"Twitter分析"的输入来自Twitter Streaming API.Spout将阅读推文用户使用Twitter Streaming API并输出为元组流.来自spout的单个元组将具有twitter用户名和单个tweet作为逗号分隔值.然后，这个元组的流将被转发到Bolt，Bolt会将推文分成单个字，计算字数，并将信息保存到配置的数据源.现在，我们可以通过查询数据源轻松获得结果.
喷口和螺栓连接在一起，形成拓扑.在Storm拓扑中指定实时应用程序逻辑.简单来说，拓扑是一个有向图，其中顶点是计算，边是数据流.
一个简单的拓扑从spouts开始. Spout将数据发送到一个或多个螺栓. Bolt表示拓扑中具有最小处理逻辑的节点，并且螺栓的输出可以作为输入发送到另一个螺栓中.
Storm保持拓扑始终运行，直到您终止拓扑. Apache Storm的主要工作是运行拓扑，并在给定时间运行任意数量的拓扑.
现在你有一个基本的想法在喷口和螺栓上.它们是拓扑中最小的逻辑单元，并且使用单个喷口和螺栓阵列构建拓扑.应按特定顺序正确执行它们，以使拓扑成功运行. Storm对每个喷口和螺栓的执行称为"任务".简单来说，任务是执行喷口或螺栓.在给定的时间，每个spout和bolt可以有多个实例在多个单独的线程中运行.
拓扑以分布式方式运行，在多个工作节点上. Storm会在所有工作节点上均匀地分配任务.工作节点的作用是监听作业并在新作业到达时启动或停止进程.
数据流来自喷嘴到螺栓或从一个螺栓到另一个螺栓.流分组控制元组在拓扑中的路由方式，并帮助我们理解拓扑中的元组流.有四个内置分组，如下所述.
在随机分组中，相同数量的元组随机分布在所有分组中工人执行螺栓.下图描绘了结构.
元组中具有相同值的字段组合在一起，其余元组保留在外面.然后，具有相同字段值的元组被发送到执行螺栓的同一工作人员.例如，如果流按字段"word"分组，则具有相同字符串"Hello"的元组将移动到同一个worker.下图显示了字段分组的工作原理.
所有流都可以分组并转发到一个螺栓.此分组将源的所有实例生成的元组发送到单个目标实例(具体来说，选择具有最低ID的工作符).
所有分组都将每个元组的单个副本发送到接收螺栓的所有实例.这种分组用于向螺栓发送信号.所有分组对于连接操作都很有用.
