大数据学习思路分解(3)storm流式计算

Storm是一个分布式的、高容错的实时计算系统。Storm适用的场景：

1、Storm可以用来用来处理源源不断的消息，并将处理之后的结果保存到持久化介质中。

2、由于Storm的处理组件都是分布式的，而且处理延迟都极低，所以可以Storm可以做为一个通用的分布式RPC框架来使用。

那么下面就对大数据学习思路里的strom流式计算进行简单分解，了解一下在学习大数据中应该了解哪些流式计算的知识。

1、redis缓存系统大纲

学习内容：Redis的特点、安装如何使用命令客户端，redis的字符串类型、散列类型、列表类型、集合类型。redis的事务、管道、优化、持久化等等， redis的sentinel高可用，twemproxy,codis实战， redis3.x集群安装配置

2、Kafka

Kafka是当下流行的队列，可以说是从数据采集到大数据计算承上启下的重要环节，大家在此部分将会详细学习它的架构，kafka在大家大数据的项目中几乎都会涉及到。

学习内容：kafka是什么及体系结构、配置详解和安装，还有它的存储策略、分区特点，kafka与zookeeper的协调管理、java编程操作kafka，scala编程操作kafka，flume 和kafka 的整合， Kafka 和storm 的整合

3、Storm实时数据处理

将全面掌握Storm内部机制和原理，通过大量项目实战，让大家拥有完整项目开发思路和架构设计，掌握从数据采集到实时计算到数据存储再到前台展示

学习内容：如下截图

作者：尚学先生
链接：https://www.jianshu.com/p/0363b505d4b5