Storm实时数据分析的常用架构（组合）:队列服务器+storm集群实时处理+mysql存储

问题导读：
1.Storm实时组合，如何获取数据？
2.消息队列服务器可以采用什么技术？
3.消息在Storm中的传输由Storm框架的collector收集发射完成?
4.处理结果可以放在什么数据库中?







利用Storm进行实时数据分析的常用组合方式：
队列服务器+storm集群实时处理+mysql存储

对应上图中的五个环节，分别是：
步骤①：消息队列，消息队列服务器分为生产者和消费者。由生产者到数据库、队列服务器、文件或其他存储介质里面获得数据，生产者的工作需要单独配置或编码实现。队列服务器提供消费接口，通过此接口可以消费队列服务器中的数据。常见的用于实时分析的消息队列服务器有Kafka/meatQ，订单中心使用的队列服务器是Amq。相对来讲Amq更加稳定，Kafka/meatq更适合做吞吐量比较大的场景。

步骤②：在Storm框架编程模型中，数据源的接入模块式是Spout。kafka/meatQ针对Storm的Spout模块做了开源和成熟的插件。直接在Storm中集成这些开源的插件，即可实现数据从队列服务器到Storm的接入。

步骤③：消息在Storm中的传输由Storm框架的collector收集发射完成，用户可以不用关注怎么传输。消息的处理有Storm编程模型的Bolt模块去实现，Bolt负责具体的业务规则的判定和实现，一个业务中一般会有多个Bolt。

步骤④：Bolt计算的临时数据，一般会存放在redis或zookpeer中，在Bolt的execute方法中操作它们。

步骤⑤：消息的落地，会存放在mysql等关系型数据中。




来源: Storm实时数据分析的常用架构（组合）:队列服务器+storm集群实时处理+mysql存储