网站建设所需资料及费用,西安网站建设怎样,wordpress公众号涨粉,沈阳网站建设策划目录
#x1f50d;一、云计算基础
1、云计算的概念、特点、关键技术
2、云计算的分类
3、云计算的部署模式
4、云计算的服务模式#xff1a;IaaS、PaaS、SaaS分别是什么#xff0c;具体含义要清楚
5、物联网的概念
6、物联网和云计算、大数据的关系
7、了解云计算的…目录
一、云计算基础
1、云计算的概念、特点、关键技术
2、云计算的分类
3、云计算的部署模式
4、云计算的服务模式IaaS、PaaS、SaaS分别是什么具体含义要清楚
5、物联网的概念
6、物联网和云计算、大数据的关系
7、了解云计算的数据中心是什么有什么特点
8、主流云计算平台的主要云产品名称及作用
二、大数据基础
1、常用的数据计量单位及其换算
2、大数据的概念了解大数据的来源及其多样性
3、大数据的5V特征
4、科学研究的4个范式
5、大数据对思维方式的影响
6、大数据的处理流程
7、大数据的关键技术
8、主要的大数据处理系统及代表产品
9、云计算之父、大数据之父
三、虚拟化与容器技术
1、虚拟化的概念、特征
2、虚拟化的好处
3、虚拟化的分类从计算体系结构层次上分为哪几类
4、系统虚拟化是什么
5、服务器虚拟化的关键技术哪三个
6、知道常用的虚拟化软件有哪些
7、虚拟化和容器的区别
8、Docker是什么技术支柱是什么容器、镜像、仓库三个基本概念
四、Hadoop
1、Hadoop是什么
2、Hadoop的核心组件有什么
4、Hadoop的优点
6、Hadoop2.0中加入Yarn的原因
7、Hadoop的三种安装模式
8、Hadoop集群配置的步骤
10、Linux中最基本的shell命令如cd、cat、rm、cp、mv、source、vim….
五、HDFS
1、GFS是什么、HDFS是什么
2、HDFS的体系结构
3、HDFS的存储原理分块策略和副本策略
4、名称节点、数据节点出错时怎么处理
5、支持三种shell 命令格式hadoop fs、Hadoop dfs、hdfs dfs
⏳六、MapReduce
1、MapReduce是什么
2、MapReduce的核心思想
3、MapReduce的体系结构主从式了解每个组件的功能
4、Map函数和Reduce函数分别做什么以及MapReduce的工作过程
5、MapReduce适合做哪类任务它的优缺点
⏲️七、HBase
1、HBase是什么和Bigtable底层技术的对应关系
2、Hbase与Hadoop其他组件的关系
3、Hbase的数据模型数据模型中各概念的含义能够举出例子参考ppt中
4、Hbase和传统关系数据库的区别
5、region是什么
6、HBase Shell常用命令
八、NoSQL数据库、云数据库
1、NoSQL的含义
2、了解NoSQL数据库兴起的原因
3、NoSQL数据库的四大类型
4、CAP理论
5、BASE
6、强一致性、弱一致性最终一致性是什么意思
7、知道云数据库是什么和传统数据库、NoSQL、NewSQL的关系
️九、Hive
1、什么是Hive
2、了解Hive的工作原理转换为MapReduce
3、Hive定义的类SQL语言是什么可以做什么
4、Hive不需要搭建在Hbase上Hadoop中其他组件的关系
十、流计算及Storm
1、流计算的概念
2、了解流计算的典型应用场景
3、Storm是典型的流计算系统 一、云计算基础
1、云计算的概念、特点、关键技术
概述维基百科云计算是一种基于互联网的计算方式通过这种方式共享的软硬件资源和信息可以按需求提供给计算机和其他设备它就像我们日常生活中用水和用电一样按需付费而无需关心水、电是从何而来的一种资源管理模式。
特点①资源池弹性可扩张 ②按需提供资源服务 ③网络化的资源接入 ④虚拟化 ⑤可靠性和安全性
关键技术①虚拟化 ②分布式存储 ③分布式计算 ④多租 2、云计算的分类
按技术路线分为 ①资源整合型 ②资源切分型 3、云计算的部署模式
①公有云 ②私有云 ③混合云 ④社区云 4、云计算的服务模式IaaS、PaaS、SaaS分别是什么具体含义要清楚
①IaaS基础设施即服务 IaaS把计算和存储资源不经封装地直接通过网络以服务的形式提供的用户使用。
IaaS为上层云计算服务提供必要的硬件资源同时在虚拟化技术的支持下IaaS层可以实现硬件资源的按需配置创建虚拟的计算、存储中心使得其能够把计算单元、存储器、I/O设备、带宽等计算机基础设施集中起来成为一个虚拟的资源池来对外提供服务如硬件服务器租用。
②Paas平台即服务 PaaS将计算和存储资源经封装后以某种接口和协议的形式提供给用户调用资源的使用者不再直接面对底层资源。
PaaS既要为SaaS层提供可靠的分布式编程框架又要为IaaS层提供资源调度数据管理屏蔽底层系统的复杂性等同时PaaS又将自己的软件研发平台作为一种服务开放给用户。PaaS的关键技术包括并行编程模型、海量数据库、资源调度与监控、超大型分布式文件系统等分布式并行计算平台技术。
③SaaS软件即服务
SaaS将计算和存储资源封装为用户可以直接使用的应用并通过网络提供给用户SaaS面向的服务对象为最终用户用户只是对软件功能进行使用无需了解任何云计算系统的内部结构也不需要用户具有专业的技术开发能力。
SaaS 层部署在PaaS和IaaS平台之上同时用户可以在PaaS平台上开发并部署SaaS服务SaaS面向的是云计算终端用户提供基于互联网的软件应用服务。随着网络技术的成熟与标准化SaaS 应用近年来发展迅速。典型的SaaS 应用包括Google Apps、Salesforce等。 5、物联网的概念
物联网是通过射频识别(RFID)装置、红外感应器、全球定位系统、激光扫描器等信息传感设备按约定的协议把任何物品与互联网相连接进行信息交换和通信以实现智能化识别、定位、跟踪、监控和管理的一种网络。 6、物联网和云计算、大数据的关系
云计算、大数据和物联网代表了IT领域最新的技术发展趋势三者既有区别又有联系 7、了解云计算的数据中心是什么有什么特点
定义数据中心是用于存放计算机系统和与之配套的网络、存储等设备的综合系统数据中心需要具备冗余的数据通信连接、环境控制设备、监控设备以及各种安全装置。
特点大规模、高密度、低成本、绿色化、自动化、容灾方式 8、主流云计算平台的主要云产品名称及作用
亚马逊EC2、S3、EBS、SimpleDB等
①Amazon的云计算平台弹性计算云EC2elastic compute cloud可以为用户或开发人员提供一个虚拟的集群环境既满足了小规模软件开发人员对集群系统的需求减小维护的负担又有效解决了设备闲置的问题
②Amazon的S3云存储服务
GoogleApp EnginePicasa
①App Engine 是基于Google数据中心的开发、托管Web应用程序的平台。通过该平台程序开发者可以构建规模可扩展的Web应用程序而不用考虑底硬件基础设施的管理。
②Google的Picasa相册
③Google Apps也是主流的协作云产品
微软SkyDrive
①SkyDrive网络硬盘 二、大数据基础
1、常用的数据计量单位及其换算 2、大数据的概念了解大数据的来源及其多样性
概念维基Wiki百科给出的大数据概念是在信息技术中“大数据”是指一些使用目前现有数据库管理工具或者传统数据处理应用很难处理的大型而复杂的数据集。其挑战包括采集、管理、存储、搜素、共享、分析和可视化。
来源随着人类活动的进一步扩展数据规模急剧膨胀包括金融、汽车、零售、餐饮、电信、能源、政务、医疗、体育、娱乐等在内的各行业累积的数据量越来越大数据类型也越来越多、越来越复杂已经超越了传统数据管理系统、处理模式的能力范围于是“大数据”这样一个概念才会应运而生。
多样性大数据的信息量是海量的这个海量并不是某个时间端点的量级总结而是持续更新持续增量。由于大数据产生的过程中诸多的不确定性使得大数据的表现形态多种多样。 3、大数据的5V特征
大体量Volume。需要采集、处理、传输的数据容量大数据量可从数百TB到数百PB甚至EB的规模。
多样化Variety。大数据所处理的数据类型早已不是单一的文本数据或者结构化的数据库中的表而是包括各种格式和形态的数据数据结构种类多复杂性高。
时效性Velocity。很多大数据需要在一定时间限度下得到及时处理处理数据的效率决定企业的生命。
准确性Veracity。大数据处理的结果要保证一定的准确性。
大价值Value。大数据包含很多深度的价值通过强大的机器学习和高级分析对数据进行“提纯”能够带来巨大商业价值。 4、科学研究的4个范式
①实验 ②理论 ③计算 ④数据 5、大数据对思维方式的影响
①全样而非抽样 ②效率而非精确 ③相关而非因果 6、大数据的处理流程
数据采集、数据存储与管理、数据处理与分析、数据呈现
①数据采集 ②数据存储与管理 ③数据处理与分析 ④数据呈现 7、大数据的关键技术
①分布式存储
②分布式处理 8、主要的大数据处理系统及代表产品
①批处理系统Hadoop、Spark
②数据查询分析计算系统HBase、Hive、Cassandra、Dremel、Spark、Hana
③流计算系统Facebook的Scribe、Apache的Flume、Twitter的Storm、Yahoo的S4、UCBerkeley的Spark Streaming
④迭代计算系统Haloop、iMapReduce、Twister、Spark
⑤图计算系统Google公司的Pregel、Pregel的开源版本Giraph、微软的Trinity、Berkeley AMPLab的GraphX以及高速图数据处理系统PowerGraph。
⑥内存计算系统分布式内存计算系统Spark、全内存式分布式数据库系统Hana、Google的可扩展交互式查询系统Dremel。 9、云计算之父、大数据之父
云计算之父—约翰·麦卡锡John McCarthy
大数据之父—吉姆·格雷Jim Gray 三、虚拟化与容器技术
1、虚拟化的概念、特征
概念
广义地定义虚拟化技术虚拟化技术就是一种逻辑简化技术实现物理层向逻辑层的变化。
特征
①分区在单一物理服务器上同时运行多个虚拟机
②隔离在同一服务器上的虚拟机之间相互隔离
③封装虚拟机以文件夹方式保持可以转换成.ovf/ova的文件来移动和复制该虚拟机
④相对于硬件独立无需修改即可在任何服务器上运行虚拟机 2、虚拟化的好处
虚拟化平台效益减少服务器总体数量减少网口和网络设备总体数量节省存储空间节省机房、机柜空间提高系统管理员工作效率
提高运维效率降低运行成本、提高服务水平 3、虚拟化的分类从计算体系结构层次上分为哪几类 4、系统虚拟化是什么
概念系统虚拟化是在一台物理计算机系统上虚拟出一台或多台虚拟计算机系统。虚拟计算机系统简称虚拟机是指使用虚拟化技术运行在一个隔离环境中的具有完整硬件功能的逻辑计算机系统包括操作系统和应用程序。
分类服务器虚拟化、桌面虚拟化、网络虚拟化 5、服务器虚拟化的关键技术哪三个
服务器虚拟化的关键技术是对CPU、内存、I/O硬件资源的虚拟化。 6、知道常用的虚拟化软件有哪些
VirtualBox、VMware Workstation、KVM、Xen、OpenVZ 7、虚拟化和容器的区别 8、Docker是什么技术支柱是什么容器、镜像、仓库三个基本概念
概念
Docker是dotCloud公司的一个开源项目诞生于 2013 年初基于 Go 语言实现并遵从Apache 2.0协议基于容器技术的轻量级虚拟化解决方案。Docker是容器引擎把Linux的cgroup、namespace等容器底层技术进行封装抽象为用户提供了创建和管理容器的便捷界面包括命令行和API。Docker 是一个开源的应用容器引擎让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中然后发布到任何流行的 Linux或Windows操作系统的机器上也可以实现虚拟化。容器是完全使用沙箱机制相互之间不会有任何接口。
技术支柱Namespaces、Control Groups、UnionFS
三个基本概念
容器类似于从模板中创建虚拟机容器是从镜像创建的运行实例。它可以被启动、开始、停止、删除。每个容器都是相互隔离的可以把容器看做是一个简易版的 Linux 环境包括root用户权限、进程空间、用户空间和网络空间等和运行在其中的应用程序。
镜像Docker 的镜像类似虚拟机的模板但是更轻量一个镜像可以包含一个完整的 Linux 操作系统环境里面仅安装了 Tomcat镜像可以用来创建容器
仓库仓库是集中存放镜像文件的场所仓库注册服务器上往往存放着多个仓库每个仓库中又包含了多个镜像每个镜像有不同的标签仓库分为公开仓库Public和私有仓库Private两种形式push镜像到仓库,从仓库pull镜像 四、Hadoop
1、Hadoop是什么
概念Hadoop是一种处理大数据的分布式软件框架具有可靠、高效、扩展、低成本、兼容性等特点。Hadoop擅长于在廉价机器搭建的集群上进行海量数据(结构化与非结构化)的存储与离线处理。 2、Hadoop的核心组件有什么
三大核心组件
HDFSHadoop Distribute File Systemhadoop的数据存储工具。
YARNYet Another Resource Negotiator,另一种资源协调者Hadoop 的资源管理器。
Hadoop MapReduce分布式计算框架 3、Hadoop和Google三驾马车的关系 相当于衍生出来的HDFS、Hadoop MapReduce、HBase都是Google三驾马车的山寨版 4、Hadoop的优点
①高可靠性 ②高扩展性 ③高效性 ④高容错性 ⑤低成本 5、知道Hadoop生态系统中主要的项目名称及作用 6、Hadoop2.0中加入Yarn的原因
为了实现一个Hadoop集群的集群共享、可伸缩性和可靠性。 7、Hadoop的三种安装模式
单机模式只在一台机器上运行存储采用本地文件系统没有采用分布式文件系统HDFS
伪分布式模式存储采用分布式文件系统HDFS但是HDFS的名称节点和数据节点都在同一台机器上
分布式模式存储采用分布式文件系统HDFS而且HDFS的名称节点和数据节点位于不同机器上。 8、Hadoop集群配置的步骤
1、选定一台机器作为 Master
2、在Master节点上创建hadoop用户、安装SSH服务端、安装Java环境
3、在Master节点上安装Hadoop并完成配置
4、在其他Slave节点上创建hadoop用户、安装SSH服务端、安装Java环境
5、将Master节点上的“/usr/local/hadoop”目录复制到其他Slave节点
6、在Master节点上开启Hadoop 10、Linux中最基本的shell命令如cd、cat、rm、cp、mv、source、vim….
cd打开目录
cat查看文件内容
rm删除
cp复制文件
mv移动文件相当于剪切
source读取并执行文件中的命令
vim编辑文本 五、HDFS
1、GFS是什么、HDFS是什么
GFSGoogle文件系统GFSGoogle文件系统是一个可扩展的分布式文件系统用于对大量数据进行访问的大型、分布式应用。GFS是一种面向不可信服务器节点而设计的文件系统。
HDFSHadoop的文件系统称为HDFSHadoop Distributed File System。 2、HDFS的体系结构
NameNodeMaster节点在hadoop1.X中只有一个管理HDFS的名称空间和数据块映射信息配置副本策略处理客户端请求。
DataNodeSlave节点存储实际的数据汇报存储信息给NameNode。
Secondary NameNode辅助NameNode分担其工作量定期合并fsimage和fsedits推送给NameNode紧急情况下可辅助恢复NameNode但Secondary NameNode并非NameNode的热备。
工作过程
①用户请求创建文件的指令由Namenode进行接收。
②Namenode将存储数据的Datanode的IP返回给用户并通知其他接收副本的Datanode由用户直接与Datanode进行数据传送。 3、HDFS的存储原理分块策略和副本策略
分块策略一个文件被分成多个块以块作为存储单位。数据块会被分别存储在不同的Datanode节点上
副本策略HDFS对数据块典型的副本策略为3个副本第一个副本存放在本地节点第二个副本存放在同一个机架的另一个节点第三个本副本存放在不同机架上的另一个节点。 4、名称节点、数据节点出错时怎么处理
HDFS设置了备份机制把这些核心文件备份到SecondaryNameNode上。当名称节点出错时就可以根据SecondaryNameNode中的FsImage和Editlog数据进行恢复。
名称节点会定期检查这种情况一旦发现某个数据块的副本数量小于冗余因子就会启动数据冗余复制为它生成新的副本。 5、支持三种shell 命令格式hadoop fs、Hadoop dfs、hdfs dfs
hadoop fs适用于任何不同的文件系统比如本地文件系统和HDFS文件系统
hadoop dfs只能适用于HDFS文件系统
hdfs dfs跟hadoop dfs的命令作用一样也只能适用于HDFS文件系统 ⏳六、MapReduce
1、MapReduce是什么
分布式计算框架MapReduce是Google系统和Hadoop系统中的一项核心技术。 2、MapReduce的核心思想
分而治之 3、MapReduce的体系结构主从式了解每个组件的功能
1Client
用户编写的MapReduce程序通过Client提交到JobTracker端。
用户可通过Client提供的一些接口查看作业运行状态。
2JobTracker
JobTracker负责资源监控和作业调度。
JobTracker 监控所有TaskTracker与Job的健康状况一旦发现失败就将相应的任务转移到其他节点。
JobTracker 会跟踪任务的执行进度、资源使用量等信息并将这些信息告诉任务调度器TaskScheduler而调度器会在资源出现空闲时选择合适的任务去使用这些资源。
3TaskTracker
TaskTracker 会周期性地通过“心跳”将本节点上资源的使用情况和任务的运行进度汇报给JobTracker同时接收JobTracker 发送过来的命令并执行相应的操作如启动新任务、杀死任务等。TaskTracker 使用“slot”等量划分本节点上的资源量CPU、内存等。一个Task 获取到一个slot 后才有机会运行而Hadoop调度器的作用就是将各个TaskTracker上的空闲slot分配给Task使用。slot 分为Map slot 和Reduce slot 两种分别供MapTask 和Reduce Task 使用。
4Task
Task 分为Map Task 和Reduce Task 两种均由TaskTracker 启动。 4、Map函数和Reduce函数分别做什么以及MapReduce的工作过程
切分、map、shuffle、reduce四步大致 Map:
InputFormat根据输入文件产生键值对并传送到map函数中
map输出键值对到一个没有排序的缓冲内存中
当缓冲内存达到给定值或者map任务完成在缓冲内存中的键值对就会被排序然后输出到磁盘中的溢出文件
如果有多个溢出文件那么就会整合这些文件到一个文件中且是排序的
这些排序过的、在溢出文件中的键值对会等待Reducer的获取。
Reduce:
Reducer获取Mapper的记录
shuffle相同的key被传送到同一个的Reducer中
当有一个Mapper完成后Reducer就开始获取相关数据所有的溢出文件; 会被排序到一个内存缓冲区中
当内存缓冲区满了后就会产生溢出文件到本地磁盘
当Reducer所有相关的数据都传输完成后所有溢出文件就会被整合和排序
Reducer中的reduce方法针对每个key调用一次
Reducer的输出到HDFS。 5、MapReduce适合做哪类任务它的优缺点
特点
1需要在集群条件下使用。
2需要有相应的分布式文件系统的支持。
3不需要特别的硬件支持。
4假设节点的失效为正常情况。
5适合对大数据进行处理。
6计算向存储迁移。
7MapReduce的计算效率会受最慢的Map任务影响
优点
MapReduce易于编程
良好的扩展性
廉价、容错性高
适合海量数据的离线处理
缺点
不擅长实时计算
不擅长流式计算
不擅长图计算 ⏲️七、HBase
1、HBase是什么和Bigtable底层技术的对应关系
HBase是一个高可靠、高性能、面向列、可伸缩的分布式数据库是谷歌BigTable的开源实现主要用来存储非结构化和半结构化的松散数据。 2、Hbase与Hadoop其他组件的关系
HBase位于结构化存储层HDFS为HBase提供了高可靠性的底层存储支持MapReduce为HBase提供了高性能的计算能力Zookeeper为HBase提供了稳定服务和failover机制。Pig和Hive还为HBase提供了高层语言支持。Sqoop则为HBase提供了方便的关系数据库管理系统数据导入功能。 3、Hbase的数据模型数据模型中各概念的含义能够举出例子参考ppt中
表HBase采用表来组织数据表由行和列组成列划分为若干个列族
行每个HBase表都由若干行组成每个行由行键row key来标识。
列族一个HBase表被分组成许多“列族”Column Family它是基本的访问控制单元
列限定符列一个列族可以有多个列列族里的数据通过列限定符来定位
单元格在HBase表中通过行、列族和列限定符确定一个“单元格”cell单元格中存储的数据没有数据类型总被视为字节数组byte[]
时间戳每个单元格都保存着同一份数据的多个版本这些版本采用时间戳进行索引 4、Hbase和传统关系数据库的区别 5、region是什么
元数据表又名.META.表存储了Region和Region服务器的映射关系
Region是分布式存储的最小单元 6、HBase Shell常用命令
create创建表
put向表、行、列指定的单元格添加数据
list列出HBase中所有的表信息
put向表、行、列指定的单元格添加数据
drop删除表 八、NoSQL数据库、云数据库
1、NoSQL的含义 2、了解NoSQL数据库兴起的原因
关系数据库已经无法满足Web2.0的需求
1无法满足海量数据的管理需求
2无法满足数据高并发的需求
3无法满足高可扩展性和高可用性的需求 3、NoSQL数据库的四大类型 4、CAP理论
CConsistency一致性是指任何一个读操作总是能够读到之前完成的写操作的结果也就是在分布式环境中多点的数据是一致的或者说所有节点在同一时间具有相同的数据。
A:Availability可用性是指快速获取数据可以在确定的时间内返回操作结果保证每个请求不管成功或者失败都有响应。
PTolerance of Network Partition分区容忍性是指当出现网络分区的情况时即系统中的一部分节点无法和其他节点进行通信分离的系统也能够正常运行也就是说系统中任意信息的丢失或失败不会影响系统的继续运作。
CAP指出一个分布式系统不可能同时能满足一致性Consistency、可用性Availability和分区容错性Partion Tolerance这3个要求最多同时满足其中2个。 5、BASE
BASE的基本含义是基本可用Basically Availble、软状态Soft-state和最终一致性Eventual consistency 6、强一致性、弱一致性最终一致性是什么意思
强一致性强一致性系统会在所有副本都完全相同后才返回系统在未达到一致时是不能访问的强一致性能保证所有的访问结果是一致的。
弱一致性弱一致性系统中的数据更新后后续对数据的读取操作得到的不一定是更新后的值。
最终一致性最终一致性允许系统在实现一致性前有一个不一致的窗口期窗口期完成后系统最终能保证一致性。 7、知道云数据库是什么和传统数据库、NoSQL、NewSQL的关系
概念云数据库是部署和虚拟化在云计算环境中的数据库。它极大地增强了数据库的存储能力消除了人员、硬件、软件的重复配置让软、硬件升级变得更加容易。云数据库具有高可扩展性、高可用性、采用多租形式和支持资源有效分发等特点。
关系 ️九、Hive
1、什么是Hive
Hive是建立在Hadoop上的数据仓库基础构架。它提供了一系列的工具可以用来进行数据提取转化加载ETL是一个可以提供有效、合理、直观组织和使用数据的模型。 2、了解Hive的工作原理转换为MapReduce
当用户向Hive输入一段命令或查询时Hive需要与Hadoop交互工作来完成该操作。首先驱动模块接收该命令或查询。接着对该命令或查询进行解析编译。然后由优化器对该命令或查询进行优化计算。最后该命令或查询通过执行器进行执行。执行器通常的任务是启动一个或多个MapReduce任务有时也不需要启动MapReduce任务像执行包含*的操作如select * from 表时。 3、Hive定义的类SQL语言是什么可以做什么
Hive定义了简单的类SQL查询语言称为QL它允许熟悉SQL的用户查询数据。用户可以通过编写的HiveQL语句运行MapReduce任务。 4、Hive不需要搭建在Hbase上Hadoop中其他组件的关系 十、流计算及Storm
1、流计算的概念
实时获取来自不同数据源的海量数据经过实时分析处理获得有价值的信息
知道流计算的基本处理流程流计算的处理流程一般包含三个阶段
数据实时采集
数据实时计算
实时查询服务 2、了解流计算的典型应用场景
流计算是针对流数据的实时计算可以应用在多种场景中如Web服务、机器翻译、广告投放、自然语言处理、气候模拟预测等。流计算适合于需要处理持续到达的流数据、对数据处理有较高实时性要求的场景。
应用场景1: 实时分析
应用场景2: 实时交通 3、Storm是典型的流计算系统
Twitter Storm是一个免费、开源的分布式实时计算系统Storm对于实时计算的意义类似于Hadoop对于批处理的意义Storm可以简单、高效、可靠地处理流数据并支持多种编程语言。
Storm框架可以方便地与数据库系统进行整合从而开发出强大的实时计算系统
Twitter是全球访问量最大的社交网站之一Twitter开发Storm流处理框架是为了应对其不断增长的流数据实时处理需求。
