對于一堆時刻在增長的數據，如果要統計，可以采取什么方法呢？
- 等數據增長到一定程度的時候，跑一個統計程序進行統計。適用于實時性要求不高的場景。
如將數據導到HDFS，再運行一個MAP REDUCE JOB。
- 如果實時性要求高的，上面的方法就不行了。因此就帶來第二種方法。
在數據每次增長一筆的時候，就進行統計JOB，結果放到DB或搜索引擎的INDEX中。
STORM就是完成這種工作的。
HADOOP與STORM比較
- 數據來源：HADOOP是HDFS上某個文件夾下的可能是成TB的數據，STORM是實時新增的某一筆數據
- 處理過程：HADOOP是分MAP階段到REDUCE階段，STORM是由用戶定義處理流程，
流程中可以包含多個步驟，每個步驟可以是數據源(SPOUT)或處理邏輯(BOLT) - 是否結束：HADOOP最后是要結束的，STORM是沒有結束狀態，到最后一步時，就停在那，直到有新
數據進入時再從頭開始 - 處理速度：HADOOP是以處理HDFS上大量數據為目的，速度慢，STORM是只要處理新增的某一筆數據即可
可以做到很快。 - 適用場景：HADOOP是在要處理一批數據時用的，不講究時效性，要處理就提交一個JOB，STORM是要處理
某一新增數據時用的，要講時效性
- 與MQ對比：HADOOP沒有對比性，STORM可以看作是有N個步驟，每個步驟處理完就向下一個MQ發送消息，
監聽這個MQ的消費者繼續處理