Storm是一個分散式的、高容錯的實時計算系統。Storm適用的場景：

　　1、Storm可以用來用來處理源源不斷的訊息，並將處理之後的結果儲存到持久化介質中。

　　2、由於Storm的處理元件都是分散式的，而且處理延遲都極低，所以可以Storm可以做為一個通用的分散式RPC框架來使用。

　　那麼下面就對大資料學習思路里的strom流式計算進行簡單分解，瞭解一下在學習大資料中應該瞭解哪些流式計算的知識。

　　1、redis快取系統大綱

　　學習內容：Redis的特點、安裝如何使用命令客戶端，redis的字串型別、雜湊型別、列表型別、集合型別。redis的事務、管道、優化、持久化等等， redis的sentinel高可用，twemproxy,codis實戰， redis3.x叢集安裝配置

　　2、Kafka

　　Kafka是當下流行的佇列，可以說是從資料採集到大資料計算承上啟下的重要環節，大家在此部分將會詳細學習它的架構，kafka在大家大資料的專案中幾乎都會涉及到。

　　學習內容：kafka是什麼及體系結構、配置詳解和安裝，還有它的儲存策略、分割槽特點，kafka與zookeeper的協調管理、java程式設計操作kafka，scala程式設計操作kafka，flume 和kafka 的整合， Kafka 和storm 的整合

　　3、Storm實時資料處理

　　將全面掌握Storm內部機制和原理，通過大量專案實戰，讓大家擁有完整專案開發思路和架構設計，掌握從資料採集到實時計算到資料儲存再到前臺展示

　　學習內容：如下截圖

​