本篇内容介绍了“Storm面试题有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
成都创新互联公司服务项目包括讷河网站建设、
讷河网站制作、讷河网页制作以及讷河网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，
讷河网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到讷河省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！
一、架构
1、Nimbus
负责资源分配和任务调度。新版本中的 nimbus 节点可以有多个做主备。
2、Zookeeper
协调集群，公共数据的存放（如心跳数据，集群的状态和配置信息），nimbus 将分配给 Supervisor 的任务写入到 Zookeeper
3、supervisor
负责接受 nimbus 分配的任务，启动和停止属于自己管理的 worker进程。
4、worker
运行具体处理组件逻辑的进程。worker 中每一个 spout/bolt 的线程称为一个task. 在 storm0.8 之后，task 不再与物理线程对应，同一个 spout/bolt 的 task 可能会共享一个物理线程，该线程称为 executor。最新版本的 Jstorm 已经废除了 task 的概念
二、编程模型
1、Spout
Spout 是接受外部数据源的组件，将外部数据源转化成 Storm 内部的数据， 以 Tuple 为基本的传输单元下发给 Bolt。（Tuple 是 Storm 内部中数据传输的基本单元，里面封装了一个 List 对象，用来保存数据。）
2、Bolt
Bolt 是接受 Spout 发送的数据，或上游的 bolt 的发送的数据。根据业务逻辑进行处理。发送给下一个 Bolt 或者是存储到某种介质上。介质可以是 mongodb 或 mysql，或者其他。
3、并行度
Worker：表示一个进程
Executor：表示由 worker 启动的线程
Task：实际执行数据处理的最小工作单元（注意，task 并不是线程）
并行度的设置：评估上游 kafka 每秒生产的数据量，分析 topic 每个 partition
每秒的数据量，partition 的数据量=SpoutTask 接受数据量SpoutTask 数量=partition 的数量
Worker 的设置：如果数据量大，worker 的数量等于 spouttask 的数量
4、消息不丢失
ack 机制即， spout 发送的每一条消息，
l在规定的时间内，spout 收到 Acker 的 ack 响应，即认为该 tuple 被后
l
续 bolt 成功处理
l在规定的时间内，没有收到 Acker 的 ack 响应 tuple，就触发 fail 动作， 即认为该 tuple 处理失败，
l或者收到 Acker 发送的 fail 响应 tuple，也认为失败，触发 fail 动作。通过 Ack 机制，spout 发送出去的每一条消息，都可以确定是被成功处理或失败处理， 从而可以让开发者采取动作。比如在 Meta 中，成功被处理，即可更新偏移量，当失败时，重复发送数据。因此，通过 Ack 机制，很容易做到保证所有数据均被处理，一条都不漏。
“Storm面试题有哪些”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！
网站标题：Storm面试题有哪些-创新互联
文章源于：
http://www.cdkjz.cn/article/dcidsg.html
