storm

1.task是spout和bolt的实例对象，一个task就是一个spout或bolt对象，spout和bolt中的declareOutputFields方法是在，提交topology时，创建对象时调用的，open和prepare方法是在，分配任务excutor创建任务反序列化spout和bolt对象时调用

2，topology是由nimbus分配任务，由supervisor创建woker进程，worker创建excutor执行task,一个excutor可以执行多个task,一个excutor只执行一个component的一个或者多个task，一个task只会被同一个excutor执行，
excutor的数目小于等于task数目

3.task数目在整个topology运行的过程中是不能改变的，excutor可以通过rebalance storm来改变,task数目只是用来增加并行度时使用，例如，增加节点或增加进程和线程数目，task就会被分配到增加的节点或进程中，但是如果节点或者进程以及线程不变，
一个线程执行的任务，将会在本线程内，串行执行

4.ack机制
 spout可以定义ack(),fail()方法，storm有一个acker bolt，对topology中的tuple进行跟踪，默认情况下由一个线程执行
 spout在emit消息时，SpoutOutputCollector.ack()会向acker发送消息，并将生成的tuple id进行异或运算，结果一起发送给acker，acker接收消息开始跟踪，当Bolt处理tuple,emit(old tuple,new tuple)会将新的tuple关联到原始的tuple,ack()方法会通知acker(),并将接收到的tuple和生成的tuple id进行异或运算，结果发送给acker;

 acker将spout发送的tuple信息异或的结果与Bolt发送的tuple信息异或的结果进行异或，如果为零，则tuple消息处理成功调用spout的ack(),不为零，则tuple消息处理失败，调用spout的fail()方法，这里的零是一个tuple经过的所有spout和bolt的异或结果，基础的spout ack,fail方法需要我们自己实现，storm是不会重发tuple,之所以说重发，
 是因为storm提供spout方法让我们实现，例如kafkaSpout，可以重发tuple,是基于spout上实现了将消息重新放回队列，后面重新发送。

消息分发策略： 
Shuffle Grouping：随机分组，随机派发stream里面的tuple，保证每个bolt接收到的tuple数目相同。
Fields Grouping：按字段分组，比如按userid来分组，具有同样userid的tuple会被分到相同的Bolts，而不同的userid则会被分配到不同的Bolts。
All Grouping：广播发送，对于每一个tuple，所有的Bolts都会收到。
Global Grouping: 全局分组，这个tuple被分配到storm中的一个bolt的其中一个task。再具体一点就是分配给id值最低的那个task。
Non Grouping：不分组，这个分组的意思是说stream不关心到底谁会收到它的tuple。目前这种分组和Shuffle grouping是一样的效果，有一点不同的是storm会把这个bolt放到这个bolt的订阅者同一个线程里面去执行。
Direct Grouping：直接分组,  这是一种比较特别的分组方法，用这种分组意味着消息的发送者指定由消息接收者的哪个task处理这个消息。只有被声明为Direct Stream的消息流可以声明这种分组方法。而且这种消息tuple必须使用emitDirect方法来发射。消息处理者可以通过TopologyContext来获取处理它的消息的taskid (OutputCollector.emit方法也会返回taskid)
Local or shuffle grouping：如果目标bolt有一个或者多个task在同一个工作进程中，tuple将会被随机发生给这些tasks。否则，和普通的Shuffle Grouping行为一致。