从这章开始就是子领域的介绍了。针对性了解即可。剩余章节不再学习。

概念与处理流程

l 将数据想像成水流，重要的就不是水流的存储，而是如何控制水流的流向，即数据状态的变化。
l 流数据是时间和数量上无限的数据，也就是说在流处理的框架中是没有任务的开始和结束概念的，只有数据的有无才能决定任务的结束（类似触发器）。
l 流数据讲究实时性，用户不需要发出查询，由框架保证数据的最新性。很明显，MapReduce这种结构是没啥速度可言的，即使查询间隔很短。因此就开发了全新的框架（Storm、Flink等）。
l 大多数情况下流数据的框架应该使用非关系数据库保证效率，这些数据库依然可以并行地部署在HDFS上。但是流数据的框架不一定和Hadoop有关。

Storm框架

Storm框架是经典流处理框架，略作了解。之后再学习最新的Flink框架。

概念

Stream：数据流，定义为无限的Tuple序列。
Spout：数据的源头。
Bolts：状态转换的过程，自定义函数的核心。
Topology：数据流网络的抽象，运行任务的总体。
StreamGrouping：Tuple传送的方式，有6种不同方式，会在Bolts的定义后出现。

工作流程

Nimbus：类似Hadoop中的JobTracker。
Supervisor：监听工作。