我一直在阅读有关Storm的文章，并在讨论风暴启动者的例子。
我认为我有了这个概念，它很适用于很多情况。我有一个测试项目，我想做更多关于这一点，但我想知道Storm是否真的适合这个。
我遇到的概念问题是“流媒体”定义。似乎Storms将作为订阅流并实时处理它的魅力，但我实际上没有流，而是我想要处理的有限数据集。
我知道有这方面的事情，但我对Storm的实时能力以及编写Storm的Nathan在谈话中提到的其他有趣的观点感兴趣。
所以我想知道，人们会编写调查非流式API的Spouts，然后将结果差异化以模拟流吗？
第二个重点是，似乎Storm拓扑在中断之前从未完成处理，这也不适用于我的情况。我希望我的拓扑结构知道，一旦我的有限源数据列表完成，处理就可以终止，并且可以发出最终结果。
那么，这一切在Storm术语中是否有意义，还是我在看错了什么？如果是这样，您为这种实时并行计算需求提出了哪些替代方案？
谢谢！
答案 0 :(得分：6)
在storm google group中找到答案。似乎DRCP拓扑将发出带有DRCP spout作为流接收的参数的元组，然后在处理完成时指示回来（使用称为请求ID的唯一ID）。
在同一个帖子中说hadoop可能最适合这些情况，除非数据不够大并且可以完全处理。
答案 1 :(得分：0)
当然可以使用Storm来处理有限的数据集合，并在处理完所有元素后停止。 DRPC拓扑是实现此目的的一种方法，但推出自己的解决方案并不难。
我们的想法是跟踪有限数据集中哪些元素已被处理， 这可以使用ack（）和fail（）方法在Spout中轻松完成。
答案 2 :(得分：0)
如果您正在寻找快速，交互式可用且开发人员友好的批处理解决方案，您可能需要查看Apache Spark而不是Storm。
当您想要在连续计算上运行查询时，Trident / DRPC会更有用。