本篇文章给大家分享的是有关jstorm原理以及应用场景是怎样的，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
jstorm 是一个类似hadoop mapreduce的系统， 用户按照指定的接口实现一个任务，然后将这个任务递交给jstorm系统，jstorm将这个任务跑起来，并且按7 * 24小时运行起来，一旦中间一个worker 发生意外故障， 调度器立即分配一个新的worker替换这个失效的worker。
因此，从应用的角度，jstorm应用是一种遵守某种编程规范的分布式应用。从系统角度， jstorm是一套类似mapreduce的调度系统。 从数据的角度，jstorm是一套基于流水线的消息处理机制。
实时计算现在是大数据领域中最火爆的一个方向，因为人们对数据的要求越来越高，实时性要求也越来越快，传统的hadoop mapreduce，逐渐满足不了需求，因此在这个领域需求不断。
storm组件和hadoop组件对比
stormhadoop角色nimbusjobtrackersupervisortasktrackerworkerchild应用名称topologyjob编程接口spout/boltmapper/reducer优点
在storm和jstorm出现以前，市面上出现很多实时计算引擎，但自storm和jstorm出现后，基本上可以说一统江湖： 究其优点：
开发非常迅速：接口简单，容易上手，只要遵守topology、spout和bolt的编程规范即可开发出一个扩展性极好的应用，底层rpc、worker之间冗余，数据分流之类的动作完全不用考虑
扩展性极好：当一级处理单元速度，直接配置一下并发数，即可线性扩展性能
健壮强：当worker失效或机器出现故障时， 自动分配新的worker替换失效worker
数据准确性：可以采用ack机制，保证数据不丢失。 如果对精度有更多一步要求，采用事务机制，保证数据准确。
应用场景
jstorm处理数据的方式是基于消息的流水线处理， 因此特别适合无状态计算，也就是计算单元的依赖的数据全部在接受的消息中可以找到， 并且最好一个数据流不依赖另外一个数据流。
因此，常常用于
日志分析，从日志中分析出特定的数据，并将分析的结果存入外部存储器如数据库。目前，主流日志分析技术就使用jstorm或storm
管道系统， 将一个数据从一个系统传输到另外一个系统， 比如将数据库同步到hadoop
消息转化器， 将接受到的消息按照某种格式进行转化，存储到另外一个系统如消息中间件
统计分析器， 从日志或消息中，提炼出某个字段，然后做count或sum计算，最后将统计值存入外部存储器。中间处理过程可能更复杂。
以上就是jstorm原理以及应用场景是怎样的，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注箭头云行业资讯频道。