1) Storm与Hadoop的定义与架构有什么不同？

Hadoop是一个可以对海量数据进行分布式处理的软件框架，是Apache的一个项目。

Storm是一个能够实时处理流式的分布式计算系统，是Apache基金会的孵化的一个项目。

2) 应用场景有什么不同？

Hadoop是分布式批处理计算，主要是进行批处理，较多用其进行数据挖掘和分析。2) 应用场景有什么不同？

Storm是分布式实时计算，主要特点是实时性，较多用与对实时性要求较高的场景。

3) 它们是如何对数据进行处理计算的？

Hadoop是磁盘级计算，计算时需要在磁盘中读取数据；其采用的是MapReduce的逻辑，把数据进行切片计算用这种方式来处理大量的离线数据；Hadoop只能处理已经存储在HDFS或者类似HBase数据库中的数据，Hadoop是通过移动计算到这些存放数据的机器上来提高效率。

Storm是内存级计算，需要进行计算的数据直接通过网络导入内存。Storm处理的是实时消息队列中的数据，需要写好一个Topology逻辑，然后对接受的数据进行处理，所以Storm是通过移动数据平均分配到机器资源来获得高效率的。

4) 在数据处理方面有什么不同？

数据来源：

Hadoop使用的是HDFS中的数据，数据量非常大（以TB计）；

而Storm的数据是实时增加的。

处理过程：

Hadoop是Map阶段到Reduce阶段；

Storm是由用户定义处理流程，允许具有多个步骤，每步允许是数据源(SPOUT)，也允许是处理逻辑(BOLT)。

是否结束：

Hadoop计算到最后一定要结束；

而Storm没有结束状态，当数据计算完就停在那里，直到有新数据输入时再重新开始。

处理速度：

Hadoop是为了处理大量数据，速度慢；

Storm只处理实时新增的数据，速度很快。

适用场景：

Hadoop主要是处理一批数据，对时效性要求不高，需要处理就提交一个JOB；

而Storm主要是处理某一新增数据，故此时效性要求高。

总结：

Hadoop和Storm并没有真的优劣之分，它们有着不同的数据处理方式。当然在实际生产过程中，根据需求搭配使用，让Hadoop和Storm优势互补从而来完成我们所需的数据处理工作。