Apache Storm 1.1.0 发布概览
写在前面的话
本人长期关注数据挖掘与机器学习相关前沿研究。欢迎和我交流。
我自己测试了一下这个版本，总的来说更加稳定，新增的特性并没有一一测试，仅凭kafk-client来说，是达到了生产环境的使用。
使用阿里云服务器的话，使用清华的节点下载是巨快的。(http://mirrors.tuna.tsinghua.edu.cn/apache/storm/apache-storm-1.1.0/apache-storm-1.1.0.tar.gz)
Storm 1.1.0 发布
Apache Storm社区很激动地宣布Storm1.1.0已经发布，已经可从下载页面 获得。
此版本代表了Apache Storm发展的一个重大里程碑，并包含大量新功能，可用性和性能改进，其中一些在下面介绍。
Streaming SQL
Storm 1.1.0支持由Apache Calcite驱动支持的原生Streaming SQL，允许用户通过运行SQL查询流数据或更新外部系统和数据存储（如Apache Hive）。要部署基于SQL的拓扑，用户可以在文本文件中定义SQL查询，并使用storm sql命令将生成的拓扑提交给Storm集群。Storm将SQL编译成Trident拓扑并在集群上运行。
Storm的SQL支持包括以下功能：
- 外部数据源的输入/输出，包括Apache Kafka，HDFS，MongoDB和Redis
- 元组过滤
- 映射
- 生成组件的用户自定义平行度
- 用户定义函数（UDF）
- CSV，TSV和Avro输入/输出格式
- 通过
ISQLTridentDataSource接口扩展其他数据源
有关Storm SQL支持（包括示例）的更多信息，请参阅以下资源：
Apache Kafka集成改进
除了基于Kafka简单消费者的Kafka 0.8 / 0.9 版本的传统支持外，Storm还支持包括基于新的Kafka消费者API对Kafka 0.10及更高版本。Storm与Kafka 0.10及更高版本的集成是高度灵活和可扩展的，其中的一些功能包括：
- 增强配置API
- 细粒度偏移量控制（启动时和失败后）
- 消费者组支持
- 可插拔记录翻译器
- 通配符主题
- 多流支持
- 手动分区控制
- Kafka安全支持
有关Storm的Kafka集成的更多信息，请参阅以下文档：
支持PMML (Predictive Model Markup Language,预测模型标记语言)
为了更好地支持机器学习用例，Storm现在通过一般的PMML Bolt支持在拓扑中执行PMML模型。PMMLPredictorBolt允许用户指定一个模型，原始输入以及生成的流和输出字段。在运行时，Bolt将处理输入的原始数据，使用给定的输入执行模型，并输出具有预测字段和输出字段的分数的元组。有关Storm的PMML支持的更多信息，请参见这里 。
Druid 集成
Druid 是一个可扩展的，高性能的，面向列的分布式数据存储，适用于实时分析用例。 Storm 1.1.0引入了一个Storm Bolt和Trident状态实现，用于将数据流传输到Druid数据存储中。Storm's Druid集成的文档可以在这里 找到。
OpenTSDB 集成
OpenTSDB 是基于Apache HBase的高度可扩展的时间序列数据库。 Storm 1.1.0添加了一个Storm Bolt和Trident状态实现，用于将数据写入OpenTSDB。 Storm的OpenTSDB集成为用户提供了一个简单的接口（ITupleOpenTsdbDatapointMapper）来执行转换，使用户能够对Storm元组如何映射到OpenTSDB数据结构进行细微的控制。可以在这里 找到关于Storm的OpenTSDB集成的信息。
支持AWS Kinesis
对于希望与亚马逊Kinesis服务集成的用户，Storm 1.1.0现在包括一个用于消费来自Kinesis的消息流的 Spout。像Storm的大部分外部系统集成组件一样，Kinesis Spout提供了一个简单的接口（RecordToTupleMapper），用于控制Kinesis消息如何转换为Storm元组。 Kinesis spout提供了一个额外的接口（FailedMessageRetryHandler），允许用户自定义Spout的故障处理逻辑。这里 可以找到Kinesis Spout的文档。
支持HDFS
Storm的HDFS集成现在包括一个从HDFS文件系统连续流式传输数据的 Spout。Storm的HDFS端口监视新文件的可配置目录，并将数据反馈至拓扑。当spout完成处理文件时，它将被移动到已配置的归档目录。如果文件已损坏或以其他方式不可处理，相应的文件将被移动到特定目录。通过一个确保每个文件由单个 Spout实例“owned”的锁定机制可以实现 Spout的并行性。 HDFS端口支持连接到使用Kerberos身份验证保护的HDFS实例。有关使用HDFS Spout的更多信息，请参阅Storm HDFS文档 。
Flux改进
Flux是一个框架和一组实用程序，允许用户声明性地定义Storm拓扑，并避免在拓扑组件中硬编码配置值。 Storm 1.1.0引入了对Flux框架的以下增强功能：
- Storm UI中的Flux拓扑可视化
- 支持状态Bolt和窗口
- 支持命名流
- 支持引用的列表
有关Flux的更多信息，请参见Flux文档。
拓扑部署增强功能
在以前的Storm版本中，通常必须将所有拓扑依赖关系包含在shaded的“uber jar”中，或者通过使其在Storm的类路径上可用。在Storm 1.1.0中，storm jar命令现在包括在拓扑提交期间上传附加依赖项的选项。 --jars命令行选项允许用户指定要上传的本地jar文件。或者，storm jar命令提供了--artifacts选项，用于通过它们的Maven坐标来指定附加的jar文件依赖关系。最后，对于Maven Central之外的Maven工件，-artifactRepository选项允许用户指定附加的存储库以进行依赖性解析。有关storm jar命令的可用选项的更多信息，请参见运行 storm help jar命令。
RAS (资源意识调度, Resource Aware Scheduler）改进
在Storm 1.0中引入的资源感知调度程序添加了一个考虑了集群中可用的内存（堆和堆）和CPU资源的调度程序实现。在风暴1.1.0中，RAS算法进行了大修，大大提高了集群资源利用率，并将机架知名度引入了调度策略。有关RAS新功能的更多信息，请参见RAS文档 和引入新的机架感知算法的JIRA故障单。
二进制分配的重要变化
为了最小化二进制分发的文件大小，不再包含外部组件（即“连接器”）二进制文件和已编译的示例。示例仅包含在源代码中，但可以使用Maven mvn install命令轻松编译。
外部组件移动到Maven Central
大多数外部组件现在仅在Maven Central中托管。外部组件目录将包含README.md文件，但不包含jar文件。我们鼓励用户利用Maven风格依赖解析（Maven，Gradle等）构建系统来构建拓扑jar，并避免手动构建拓扑。这些组件的Maven 路径如下：
Group ID: org.apache.storm Artifact ID: component directory name Version: 1.1.0
对于无法使用Maven进行构建的用户，可以从Maven Central下载以下URL模式的外部组件jar文件：
http://repo1.maven.org/maven2/org/apache/storm/${artifactID}/${version}/${artifactId}-${version}.jar
例如，要下载storm-kafka-client jar文件，URL将是：
http://repo1.maven.org/maven2/org/apache/storm/storm-kafka-client/1.1.0/storm-kafka-client-1.1.0.jar
