Apache Storm je distribuovaný systém pro zpracování datových streamů v reálném čase, který je navržen pro zpracování velkých objemů dat s nízkou latencí a vysokou propustností. Na rozdíl od systémů dávkového zpracování, jako je Hadoop, se používá pro analýzu v reálném čase a kontinuální výpočty. Storm je škálovatelný, odolný vůči chybám a snadno se integruje s externími systémy, jako jsou zprostředkovatelé zpráv, databáze a monitorovací nástroje.

Jak se Apache Storm srovnává s Apache? Spark Streamování?

Apache Storm zpracovává data jako nepřetržitý proud s velmi nízkou latencí, takže je vhodný pro zpracování v reálném čase a v časech menších než sekunda. Apache Spark Streamování zpracovává data v mikrodávkách a zpracovává malé bloky dat v pevných intervalech. Storm je ideální pro skutečné případy použití v reálném čase, zatímco Spark Streamování je vhodnější pro vysoce výkonné analýzy s mírně vyšší latencí.

30 nejčastějších otázek a odpovědí na pohovoru o Apache Storm (2026)

👉 Stažení PDF zdarma: Otázky a odpovědi k pohovoru o Apache Storm

Nejčastější otázky a odpovědi na pohovoru o Apache Storm

1) Co je Apache Storm?

Apache Storm je distributed real-time stream processing system Je navržen pro zpracování velkých objemů příchozích dat s nízkou latencí a vysokou propustností. Vyniká v analýze v reálném čase a kontinuálních výpočtech, na rozdíl od dávkových systémů, jako je Hadoop, které pracují s uloženými daty. Storm je odolný vůči chybám, škálovatelný a dobře se integruje s externími systémy, jako jsou zprostředkovatelé zpráv, databáze a monitorovací nástroje.

2) Jaké jsou základní komponenty Apache Storm?

Architektura Stormu se skládá z několika klíčových komponent, které řídí zpracování dat v reálném čase:

Složka	Description
tmavý oblak	Hlavní uzel, který distribuuje kód, přiřazuje úkoly a monitoruje cluster
Vedoucí	Pracovní uzel, který spouští úlohy přiřazené Nimbusem
ZooKeeper	Zajišťuje distribuovanou koordinaci a správu stavu clusteru
Pracovní proces	Provede část topologie
Vykonavatel a úkol	Vlákna a jednotky zpracování

Tyto komponenty zajišťují distribuovanou koordinaci, přiřazování úloh a odolnost proti chybám v celém clusteru.

3) Co je to topologie v Apache Storm?

A topology V Apache Storm je orientovaný acyklický graf (DAG), který definuje, jak data proudí systémem. Propojuje zdroje dat (Spouts) s procesorovými jednotkami (Bolt). Po odeslání topologie běží neomezeně dlouho a nepřetržitě zpracovávají streamovaná data, dokud nejsou ručně ukončeny. Struktura a strategie seskupování v topologii určují, jak se n-tice (datové jednotky) pohybují a jsou zpracovávány napříč komponentami.

4) Vysvětlete chrliče a šrouby ve hře Storm.

Výtok: Spout je vstupní bod pro streamování dat do topologie Storm. Čte data z externích zdrojů, jako jsou soubory, zprostředkovatelé zpráv (např. Kafka), API atd., a odesílá n-tice do streamu.
Šroub: Objekt Bolt zpracovává příchozí n-tice. Objekty Bolt mohou filtrovat, agregovat, spojovat, uchovávat výsledky nebo vydávat nové n-tice pro následné zpracování. Komplexní zpracování dat je postaveno na kombinacích boltů.

5) Co je to Tuple a Stream v Apache Storm?

A tuple je základní datová struktura ve Stormu, která představuje uspořádaný seznam hodnot (tj. záznam). A stream je neohraničená posloupnost n-tic protékající topologií. Každá n-tica v streamu může spustit další zpracování v bodech. N-tice a streamy dohromady umožňují platformě Storm nepřetržitě přenášet a zpracovávat data.

6) Jaké jsou různé typy seskupování streamů ve Stormu?

Storm podporuje několik stream grouping strategie pro směrování n-tic z jedné komponenty do druhé:

Zamíchané seskupení: Náhodně rozděluje n-tice pro rovnoměrné vyvažování zátěže.
Seskupení polí: Odešle n-tice se stejnými hodnotami polí do konkrétní úlohy Bolt.
Globální seskupení: Směruje všechny n-tice do jedné instance boltu.
Všechna seskupení: Odešle každou n-tici všem instancím boltů.
Přímé seskupení: Umožňuje explicitní směrování ke konkrétnímu úkolu

Tato seskupení ovlivňují, jak jsou data rozdělena a zpracovávána paralelně.

7) Jak Storm zajišťuje odolnost proti chybám?

Storm poskytuje odolnost proti chybám kombinací:

Dohled nad úkoly: Nimbus a supervizoři restartují neúspěšné pracovníky
Poděkování: Šrouby a výlevky potvrzují dokončení n-tice
replay: N-tice, které se nepodaří zpracovat v rámci časového limitu, se přehrají.
Koordinace ZooKeeperu: Zajišťuje distribuované řízení a konzistenci clusteru

Tyto mechanismy pomáhají službě Storm elegantně se zotavit z selhání uzlů a zároveň zajistit kontinuitu zpracování dat.

8) Co jsou záruky zpracování zpráv ve Stormu?

Storm podporuje tři sémantiky zpracování:

Záruka	Description
Nejvíce jednou	Zpráva může být ztracena, ale nikdy znovu zpracována
Alespoň jednou	Zpráva se opakuje, dokud není zpracována (výchozí nastavení).
Přesně jednou	Každá zpráva je zpracována jednou, a to i přes chyby.

Exactly-once se dosahuje pomocí mechanismů potvrzování a transakcí, obvykle s využitím Trident API pro stavové pracovní postupy.

9) Jaký je účel rozhraní Trident API?

Trident je API na vysoké úrovni postavené nad platformou Storm, které poskytuje:

Sémantika přesně jednou
Transakční zpracování
Řízení státu
Zjednodušený programovací model

Abstrahuje nižší úrovně interních funkcí Stormu, což usnadňuje psaní a údržbu složitých pracovních postupů.

10) Vysvětlete protitlak v Apache Storm.

Zpětný tlak reguluje rychlost, s jakou jsou n-tice emitovány do topologie, aby se zabránilo přetečení vyrovnávací paměti a vyčerpání zdrojů, když následné moduly nestačí. Storm dynamicky upravuje rychlost emisí, aby se udržela plynulá propustnost bez ztráty dat nebo snížení výkonu.

11) Jak si Storm stojí v porovnání s Apache Spark Streamování?

Storm zpracovává data v real time (kontinuální zpracování událostí) s nízkou latencí, zatímco Spark Streamování funguje v micro-batches (zpracování malých datových oken v intervalech). Storm je vhodný pro potřeby zpracování v časech menších než sekunda, zatímco Spark Streamování vyniká ve vysoce výkonné mikrodávkové analýze.

12) Uveďte běžné případy použití Apache Storm.

Storm se široce používá v:

Analytika a dashboardy v reálném čase
Systémy detekce podvodů
Zpracování protokolů a událostí
Zpracování dat ze senzorů IoT
Analytika sociálních médií

Hodí se pro scénáře vyžadující okamžitý přehled o streamovaných vstupech.

13) Co je to časový limit topologické zprávy?

Topology_Message_Timeout_secs definuje maximální dobu, kterou topologie umožňuje úplnému zpracování n-tice, než je považována za selhávající a znovu přehrána. To pomáhá udržovat spolehlivost v dlouhých nebo zaseknutých procesech zpracování.

14) Jak je na tom Apache Storm? Cluster Monitorováno?

Storm poskytuje Storm UI pro vizualizaci clusteru v reálném čase (topologie, pracovníci, propustnost) a integruje se s monitorovacími nástroji, jako jsou JMX, Prometheus a Grafana, pro sledování metrik a upozornění.

15) Jakou roli hraje ZooKeeper v Stormu?

ZooKeeper spravuje koordinaci a konfiguraci v rámci clusteru Storm, udržuje distribuované zámky, volbu vedoucího (pro Nimbus) a konzistenci stavu clusteru. To zajišťuje robustní správu distribuovaných komponent.

16) Jak Apache Storm dosahuje škálovatelnosti?

Apache Storm se škáluje horizontálně distribucí výpočtů mezi více pracovních uzlů a úloh. Každou topologii lze konfigurovat se specifickým parallelism hint, který určuje počet vykonavatelů (vláken) a úloh na komponentu. Architektura Stormu podporuje oba navyšování (přidávání vláken) a škálování (přidávání uzlů).

Například pokud má Bolt paralelismus 8, Storm rozdělí své úlohy mezi 8 vykonavatelů, případně mezi různé supervizory. Škálování je řízeno dynamicky pomocí příkazů pro vyvažování bez zastavení topologie.

17) Jaké jsou výhody a nevýhody používání Apache Storm?

Výhody	Nevýhody
Zpracování streamu v reálném čase	Složité na konfiguraci a údržbu
Vysoká propustnost a nízká latence	Vyžaduje ZooKeeper pro koordinaci
Odolné vůči chybám a škálovatelné	Ladění distribuovaných problémů může být náročné
Podporuje více jazyků (Java, PythonAtd.).	Less efektivní pro dávkové nebo mikrodávkové úlohy
Snadná integrace s Kafkou, Hadoopem a HBase	Trident přidává režijní náklady pro zpracování přesně jednou.

Shrnutí odpovědi: Storm je ideální pro analýzu v reálném čase, ale není optimalizován pro dávkové úlohy nebo vysoce stavové operace ve srovnání s frameworky jako Flink nebo... Spark Strukturované streamování.

18) Vysvětlete životní cyklus n-tice v Apache Storm.

Životní cyklus n-tice začíná v Spout a končí, jakmile je plně zpracován a potvrzen.

Vytvoření n-tice: Spout čte a vydává n-tici.
Směrování streamu: N-tice prochází šrouby podle seskupovací logiky.
Zpracování: Každý šroub provádí svou logiku a může vydávat nové n-tice.
Potvrzení: Jakmile jsou všechny šrouby po proudu dokončeny, je n-tice potvrzena zpět do výpusti.
Řešení poruch: Pokud jakýkoli šroub selže, Storm automaticky přehraje n-tici.

Tento životní cyklus zajišťuje spolehlivost díky vestavěným ack/fail mechanism.

19) Jaký je rozdíl mezi spolehlivými a nespolehlivými chrliči?

Vzhled	Spolehlivý výtok	Nespolehlivý výtok
Sledování n-tic	Sleduje n-tice pomocí ID zpráv	Nesleduje n-tice
Opakované pokusy	Znovu přehraje neúspěšné n-tice	Žádný mechanismus opakování
Potvrzení	Přijímá zprávy o potvrzení/neúspěchu	Bez potvrzení
Případ použití	Finanční transakce, odhalování podvodů	Agregace protokolů, monitorování

Příklad: KafkaSpout je obvykle spolehlivý, zatímco jednoduchý syslog stream spout nemusí být spolehlivý pro rychlejší ingestování.

20) Jak řešíte konzistenci dat v Apache Storm?

Konzistenci dat ve Stormu lze udržovat pomocí:

Používání Trident API pro sémantiku zpracování přesně jednou.
Idempotentní operace aby se zajistilo, že znovu zpracované n-tice nezpůsobí duplicitní efekty.
Transakční výtoky/závory pro stavové výpočty.
Stav kontrolních bodů v externích systémech, jako je Redis nebo Cassandra.

Například při aktualizaci čítačů by měly metody Bolts používat atomické operace, aby byla zajištěna správnost během přehrávání n-tic.

21) Jak se ladí nebo monitorují problémy s výkonem v topologii Storm?

Ladění zahrnuje několik strategií:

Uživatelské rozhraní Storm: Vizualizuje metriky topologie (latence, počet n-tic, chyby).
Záznamy pracovníků: Zkontrolujte protokoly v části /logs/workers-artifacts/ pro výjimky.
Povolit režim ladění: topology.debug=true vypíše protokoly toku n-tic.
Výkon profilu: Používejte metriky jako execute-latency si process-latency.
Externí monitorování: Integrujte dashboardy Prometheus nebo Grafana.

Proaktivní monitorování metrik a profilování pracovníků pomáhají včas identifikovat úzká hrdla.

22) Jaké jsou klíčové rozdíly mezi Apache Storm a Apache Flink?

Parametr	Apache Storm	Apache Flash
Typ zpracování	Čistě v reálném čase (událost po události)	V reálném čase a dávkové (sjednocené)
Řízení státu	Externí (přes Trident)	Vestavěný, odolný vůči chybám
Latence	Dílčí sekunda	Dílčí sekunda
Snadné použití	Složitější	Snadnější s DataStream API
Záruka přesně jednou	Volitelné (přes Trident)	Nativní podpora
Protitlak	Manuální nebo dynamické	Automatický

Shrnutí odpovědi: Zatímco Storm byl průkopníkem v oblasti zpracování v reálném čase, Flink nabízí integrovanější model správy stavu, díky čemuž je preferován pro komplexní, událostmi řízené kanály.

23) Jak se liší topologie Storm od úlohy MapReduce?

Úloha MapReduce zpracovává data v diskrétním režimu. dávky, zatímco topologie Storm zpracovává datové proudy nepřetržitě.

MapReduce: Konečný počet vstupů, spustí se jednou, vhodné pro offline analýzy.
Bouřka: Nekonečný vstup, běží neomezeně dlouho, ideální pro analýzy v reálném čase.

Storm v podstatě funguje jako „streamovací doplněk“ k dávkovému frameworku Hadoopu.

24) Vysvětlete koncept ukotvení v Apache Storm.

Ukotvení propojuje vygenerovanou n-tici s její zdrojovou n-ticí. Umožňuje Stormu sledovat původ n-tic pro zotavení po chybě. Když Bolt vygeneruje novou n-tici, může ji ukotvit ke vstupní n-tici pomocí:

collector.emit(inputTuple, newTuple);

Pokud jakákoli ukotvená n-tice v downstreamu selže, Storm dokáže přehrát původní zdrojovou n-tici a zajistit tak spolehlivé zpracování.

25) Jaké faktory byste měli zvážit při ladění výkonu Apache Storm?

Ladění výkonu zahrnuje optimalizaci obou configuration si topology design:

Navýšit rovnoběžnost (proveditelé, dělníci).
Upravit časový limit zprávy (topology.message.timeout.secs).
Optimalizovat serializace pomocí Kryo nebo vlastních serializátorů.
Minimalizovat síťové přepínání s vhodnými strategiemi seskupování.
umožnit protitlak aby nedošlo k přetížení.
monitor Využití GC a haldy aby se předešlo úzkým hrdlům paměti.

Rovnováha mezi paralelismem a hardwarovou kapacitou zajišťuje optimální propustnost a minimální latenci.

26) Co je Trident API a jak rozšiřuje možnosti Apache Storm?

Jedno Trident API je high-level abstraction layer postavený na Apache Storm, jehož cílem je zjednodušit stavové zpracování streamů. Na rozdíl od jádra Storm, které pracuje s jednotlivými n-ticemi, Trident pracuje na mikrodávky n-tic, poskytující sémantika zpracování přesně jednou.

Zavádí abstrakce jako Proudy, Šarže, a Stát Operace pro snadnější agregaci, filtrování a spojení.

Příklad: Trident zjednodušuje psaní kódu pro počítání kliknutí uživatelů nebo agregaci metrik za minutu bez nutnosti ruční správy potvrzení n-tic nebo logiky přehrávání.

Stručně řečeno, Trident překlenuje propast mezi nízkoúrovňovou flexibilitou Stormu a frameworky jako Spark Jednoduchost streamování.

27) Jak integrujete Apache Storm s Apache Kafka?

Integrace mezi Kafkou a Stormem je dosažena pomocí KafkaSpout (spotřebitel) a volitelně a KafkaBolt (výrobce).

Typický tok dat:

KafkaSpout se přihlásí k odběru tématu Kafka a odesílá n-tice do topologie Storm.
Bolts zpracovává a transformuje data.
KafkaBolt zapisuje výsledky zpět do jiného tématu Kafka nebo externího systému.

Příklad konfiguračního úryvku:

KafkaSpoutConfig<String, String> spoutConfig = KafkaSpoutConfig.builder("localhost:9092", "input-topic").build();
builder.setSpout("kafka-spout", new KafkaSpout<>(spoutConfig));

Integrace Kafka-Spout zajišťuje odolné vůči chybám a škálovatelné streamování zpráv mezi systémy jako Spark, Flink nebo samotná Storm.

28) Jaké jsou strategie správy stavu v Apache Storm?

Storm podporuje několik strategií pro správu stavu napříč šrouby a výlevky:

Typ státu	Description	Příklad použití
Stav v paměti	Rychlý, ale nestálý	Dočasné agregace
Trvalý stav	Uloženo v externích databázích (např. Redis, Cassandra)	Transakční protokoly, čítače
Transakční stav	Zajišťuje konzistenci přesně jednou	finanční transakce
Rozdělený stav	Distribuuje stav mezi úkoly	Vysoce škálovatelné kanály

Trident API to zjednodušuje pomocí State si StateUpdater rozhraní, díky čemuž jsou státní operace spolehlivější a modulárnější.

29) Vysvětlete rozdíl mezi Stormovým místním a Cluster režimy.

Místní režim: Používá se pro testování nebo vývoj. Spouští všechny komponenty Stormu (Nimbus, Supervisor, Zookeeper) v rámci jednoho procesu JVM.
Cluster Mode: Používá se pro produkční prostředí. Procesy Nimbus a Supervisor běží na samostatných uzlech a koordinaci zajišťuje ZooKeeper.

Vzhled	Místní režim	Cluster režim
Nastavení	Jeden stroj	Více uzlů
Účel	Ladění, jednotkové testování	Nasazení v produkčním prostředí
Rychlost	Pomalejší pro velké pracovní zátěže	Optimalizováno pro výkon
Odolnost proti chybám	Minimální	Vysoký

Topologie můžete do clusteru odeslat pomocí:

storm jar mytopology.jar com.example.MyTopology

30) Jaké jsou různé typy zdrojů dat (spouts) ve Stormu?

Výtoky lze rozdělit do kategorií:

Spolehlivé chrliče: Používejte ID zpráv ke sledování potvrzení n-tic.
Nespolehlivé chrliče: Vygenerovat n-tice bez sledování (rychlejší, ale méně spolehlivé).
Transakční výdeje: Vysílat data v transakčních dávkách (používá se s Tridentem).

Příklady:

KafkaSpout (spolehlivý)
RabbitMQSpout (spolehlivý)
RandomSpout nebo FileSpout (nespolehlivé)

Každý typ výpustné trysky vyhovuje různým kompromisům mezi propustností a spolehlivostí.

🔍 Nejčastější otázky na pohovoru o Apache Storm s reálnými scénáři a strategickými odpověďmi

1) Co je Apache Storm a kde se obvykle používá?

Očekává se od kandidáta: Tazatel chce posoudit vaše základní znalosti Apache Storm a jeho reálných aplikací, zejména v prostředích zpracování dat v reálném čase.

Příklad odpovědi: „Apache Storm je distribuovaný, odolný vůči chybám framework určený pro zpracování streamů v reálném čase. Běžně se používá pro scénáře, jako je analýza v reálném čase, zpracování protokolů, systémy řízené událostmi a kontinuální výpočty, kde je vyžadována nízká latence a vysoká propustnost.“

2) Můžete vysvětlit základní komponenty topologie Apache Storm?

Očekává se od kandidáta: Tazatel testuje vaše znalosti architektury Storm a to, zda rozumíte tomu, jak data systémem proudí.

Příklad odpovědi: „Topologie Storm se skládá z trysek a šroubů spojených v orientovaném acyklickém grafu. Trysky fungují jako zdroje datových toků, zatímco šrouby data zpracovávají, transformují nebo agregují. Topologie definuje, jak data točí a jak se provádí nepřetržitě, dokud není zastavena.“

3) Jak Apache Storm zajišťuje odolnost proti chybám?

Očekává se od kandidáta: Tazatel chce pochopit vaše znalosti mechanismů spolehlivosti v distribuovaných systémech.

Příklad odpovědi: „Apache Storm zajišťuje odolnost proti chybám pomocí ukotvení n-tic a mechanismů potvrzování. Pokud se n-tice nepodaří plně zpracovat v rámci zadaného časového limitu, je přehrána. Supervizoři a Nimbus také monitorují selhání pracovníků a v případě potřeby automaticky restartují úlohy.“

4) Popište situaci, kdy jste optimalizovali výkon topologie Storm.

Očekává se od kandidáta: Tazatel hledá praktické zkušenosti a vaši schopnost zlepšit efektivitu systému.

Příklad odpovědi: „Ve své předchozí roli jsem optimalizoval topologii Storm laděním paralelistických nápověd a úpravou počtu workerů na základě metrik propustnosti. Také jsem omezil zbytečnou serializaci dat mezi jednotlivými moduly, což výrazně snížilo latenci zpracování.“

5) Jak řešíte protitlak v Apache Storm?

Očekává se od kandidáta: Tazatel chce vědět, zda rozumíte řízení toku ve streamovacích systémech.

Příklad odpovědi: „Na předchozí pozici jsem řešil protitlak aktivací vestavěných mechanismů protitlaku platformy Storm a pečlivou konfigurací velikostí vyrovnávacích pamětí. Také jsem monitoroval pomalu spotřebovávající šrouby a horizontálně je škáloval, aby se zabránilo zahlcení proti proudu.“

6) S jakými problémy jste se setkali při ladění aplikací Storm?

Očekává se od kandidáta: Tazatel hodnotí vaše schopnosti řešit problémy a vytrvalost ve složitých distribuovaných prostředích.

Příklad odpovědi: „Ladění aplikací Storm může být náročné kvůli distribuovanému spouštění. V mém předchozím zaměstnání jsem se silně spoléhal na uživatelské rozhraní Storm, podrobné protokolování a sběr metrik pro sledování selhání n-tic a identifikaci úzkých míst napříč workery a exekutory.“

7) Jak si Apache Storm stojí v porovnání s jinými frameworky pro zpracování streamů?

Očekává se od kandidáta: Tazatel chce vidět vaše širší povědomí o oboru a schopnost vyhodnotit kompromisy.

Příklad odpovědi: „Apache Storm vyniká nízkou latencí a zpracováním jednotlivých událostí, zatímco jiné frameworky se mohou více zaměřovat na mikrodávkování nebo sjednocené dávkové a streamové zpracování. Storm se často volí, když je vyžadováno striktní zpracování v reálném čase a jednoduché modely zpracování.“

8) Popište, jak byste navrhli topologii Storm pro detekci podvodů v reálném čase.

Očekává se od kandidáta: Tazatel testuje vaši schopnost aplikovat koncepty Storm na reálné scénáře.

Příklad odpovědi: „Navrhl bych spouty pro příjem transakčních událostí v reálném čase a bolty pro provádění validace, obohacení a analýzy na základě pravidel. Stavové bolty by sledovaly podezřelé vzorce a upozornění by se okamžitě vysílala při překročení prahových hodnot.“

9) Jak spravujete konfiguraci a nasazení v Apache Storm?

Očekává se od kandidáta: Tazatel chce vědět více o vašich operačních a nasazení pracovních zkušenostech.

Příklad odpovědi: „V mé poslední roli jsem spravoval konfigurace pomocí externalizovaných souborů YAML a parametrů specifických pro dané prostředí. Nasazení byla automatizována pomocí skriptů a topologie byly verzovány, aby byla zajištěna konzistentní a opakovatelná vydání napříč prostředími.“

10) Jak upřednostňujete spolehlivost oproti výkonu v systému založeném na technologii Storm?

Očekává se od kandidáta: Tazatel hodnotí vaše rozhodovací schopnosti při vyvažování konkurenčních systémových požadavků.

Příklad odpovědi: „U kritických systémů upřednostňuji spolehlivost tím, že povoluji potvrzení a opakované pokusy, i když to zvyšuje latenci. Jakmile je spolehlivost zajištěna, postupně optimalizuji výkon laděním paralelismu a alokací zdrojů na základě pozorovaných metrik.“