根據官方文檔介紹，Storm有以下的特性：
Storm是一個開源的分佈式實時計算系統，可以簡單、可靠的處理大量的數據流。Storm有很多使用場景：如實時分析，在線機器學習，持續計算，分佈式RPC，ETL等等。Storm支持水平擴展，具有高容錯性，保證每個消息都會得到處理，而且處理速度很快（在一個小集群中，每個結點每秒可以處理數以百萬計的消息）。Storm的部署和運維都很便捷，而且更為重要的是可以使用任意編程語言來開發應用。
Storm有如下特點：
編程模型簡單
在大數據處理方面相信大家對hadoop已經耳熟能詳，基於Google Map/Reduce來實現的Hadoop為開發者提供了map、reduce原語，使並行批處理程序變得非常地簡單和優美。同樣，Storm也為大數據的實時計算提供了一些簡單優美的原語，這大大降低了開發並行實時處理的任務的複雜性，幫助你快速、高效的開發應用。
可擴展
在Storm集群中真正運行topology的主要有三個實體：工作進程、線程和任務。Storm集群中的每臺機器上都可以運行多個工作進程，每個工作進程又可創建多個線程，每個線程可以執行多個任務，任務是真正進行數據處理的實體，我們開發的spout、bolt就是作為一個或者多個任務的方式執行的。 因此，計算任務在多個線程、進程和服務器之間並行進行，支持靈活的水平擴展。
高可靠性 Storm可以保證spout發出的每條消息都能被“完全處理”，這也是直接區別於其他實時系統的地方，如S4。
請注意，spout發出的消息後續可能會觸發產生成千上萬條消息，可以形象的理解為一棵消息樹，其中spout發出的消息為樹根，Storm會跟蹤這棵消息樹的處理情況，只有當這棵消息樹中的所有消息都被處理了，Storm才會認為spout發出的這個消息已經被“完全處理”。如果這棵消息樹中的任何一個消息處理失敗了，或者整棵消息樹在限定的時間內沒有“完全處理”，那麼spout發出的消息就會重發。
考慮到儘可能減少對內存的消耗，Storm並不會跟蹤消息樹中的每個消息，而是採用了一些特殊的策略，它把消息樹當作一個整體來跟蹤，對消息樹中所有消息的唯一id進行異或計算，通過是否為零來判定spout發出的消息是否被“完全處理”，這極大的節約了內存和簡化了判定邏輯，後面會對這種機制進行詳細介紹。
這種模式，每發送一個消息，都會同步發送一個ack/fail，對於網絡的帶寬會有一定的消耗，如果對於可靠性要求不高，可通過使用不同的emit接口關閉該模式。
上面所說的，Storm保證了每個消息至少被處理一次，但是對於有些計算場合，會嚴格要求每個消息只被處理一次，幸而Storm的0.7.0引入了事務性拓撲，解決了這個問題，後面會有詳述。
高容錯性
如果在消息處理過程中出了一些異常，Storm會重新安排這個出問題的處理單元。Storm保證一個處理單元永遠運行（除非你顯式殺掉這個處理單元）。
當然，如果處理單元中存儲了中間狀態，那麼當處理單元重新被Storm啟動的時候，需要應用自己處理中間狀態的恢復。
支持多種編程語言
除了用java實現spout和bolt，你還可以使用任何你熟悉的編程語言來完成這項工作，這一切得益於Storm所謂的多語言協議。多語言協議是Storm內部的一種特殊協議，允許spout或者bolt使用標準輸入和標準輸出來進行消息傳遞，傳遞的消息為單行文本或者是json編碼的多行。
Storm支持多語言編程主要是通過ShellBolt, ShellSpout和ShellProcess這些類來實現的，這些類都實現了IBolt 和 ISpout接口，以及讓shell通過java的ProcessBuilder類來執行腳本或者程序的協議。
可以看到，採用這種方式，每個tuple在處理的時候都需要進行json的編解碼，因此在吞吐量上會有較大影響。
支持本地模式
Storm有一種“本地模式”，也就是在進程中模擬一個Storm集群的所有功能，以本地模式運行topology跟在集群上運行topology類似，這對於我們開發和測試來說非常有用。
高效
用ZeroMQ作為底層消息隊列, 保證消息能快速被處理。
Hadoop和Storm有什麼區別和聯繫呢：
如果，你看懂了上圖，那麼你也未必看懂Hadoop與Storm的區別。從上圖基本可以看出，Hadoop是進行批量處理的，而Storm是進行流式處理。
接下來看一下具體Hadoop與Storm的區別：
1、數據來源
Hadoop是HDFS上某個文件夾下的數據，可能是成TB的數據，而Storm是實時新增的某一筆數據，這個數據可能很小隻有幾KB。
2、處理過程
Hadoop是分MAP階段到REDUCE階段，而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)。
3、是否結束
Hadoop最後在Reduce執行結束後是要結束的，而Storm是沒有結束狀態，到最後一步時，就停在那裡，直到有新數據進入時再從頭開始。
4、處理速度
Hadoop是以處理HDFS上大量數據為目的，速度慢，而Storm是隻要處理新增的某一筆數據即可，可以做到很快。
5、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，而Storm是要處理某一新增數據時用的，要講時效性。
6、MQ應用
Hadoop沒有應用MQ，故沒有太多需要描述，而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
本人熱愛技術，喜歡交流學習，有什麼前瞻新技術大家一起加群（Q）：131322610 溝通學習
