前期收到的问题：

本篇来建立一个基本的背景，来大概看下构成storm流式计算能力的一些基础框架，并部分回答第一个问题。

supervisor会定时从zookeeper获取拓补信息topologies、任务分配信息assignments及各类心跳信息，以此为依据进行任务分配。

在supervisor同步时，会根据新的任务分配情况来启动新的worker或者关闭旧的worker并进行负载均衡。

worker通过定期的更新connections信息，来获知其应该通讯的其它worker。

worker启动时，会根据其分配到的任务启动一个或多个executor线程。这些线程仅会处理唯一的topology。
如果有新的tolopogy被提交到集群，nimbus会重新分配任务，这个后面会说到。

executor线程负责处理多个spouts或者多个bolts的逻辑，这些spouts或者bolts，也称为tasks。

具体有多少个worker，多少个executor，每个executor负责多少个task，是由配置和指定的parallelism-hint共同决定的，但这个值并不一定等于实际运行中的数目。

如果计算出的总的executors超过了nimbus的限制，此topology将不会得到执行。

并行度的作用：

上述代码会在nimbus进行任务分配时调用：

基本关系如下所示：

所谓本地发布，是指在worker进程内及executor线程间进行消息发布。
所谓远程发布，是指在worker进程间、不同的机器间进行消息发布。

集群的状态机：

集群的状态是通过一个storm-cluster-state的对象来描述的。
其提供了许多功能接口，比如：

如下图所示：

所以，nimbus会根据心跳、topologies信息及已分配的任务信息为依据，来重新分配任务，如下图所示：

一个topology的提交过程：

主要过程如下图所示：

以上，基本阐述了storm的基础框架，但未涉及trident机制，也基本回答了问题1。

终。