Hur står sig Apache Storm i jämförelse med Apache Spark Strömning?

Apache Storm bearbetar data som en kontinuerlig ström med mycket låg latens, vilket gör den lämplig för bearbetning i realtid och på under en sekund. Spark Strömmande bearbetar data i mikrobatcher och hanterar små bitar av data med fasta intervall. Storm är idealisk för verkliga användningsfall i realtid, medan Spark Strömmande lämpar sig bättre för analyser med högt dataflöde och något högre latens.

Topp 30 intervjufrågor och svar för Apache Storm (2026)

👉 Gratis PDF-nedladdning: Apache Storm intervjufrågor och svar

De viktigaste intervjufrågorna och svaren för Apache Storm

1) Vad är Apache Storm?

Apache Storm är en distributed real-time stream processing system utformad för att bearbeta stora volymer inkommande data med låg latens och hög dataflöde. Den utmärker sig vid realtidsanalys och kontinuerlig beräkning, till skillnad från batchsystem som Hadoop som arbetar med lagrad data. Storm är feltolerant, skalbar och integreras väl med externa system som meddelandemäklare, databaser och övervakningsverktyg.

2) Vilka är kärnkomponenterna i Apache Storm?

Storms arkitektur består av flera nyckelkomponenter som orkestrerar databehandling i realtid:

Komponent	BESKRIVNING
nimbus	Huvudnod som distribuerar kod, tilldelar uppgifter och övervakar klustret
Handledare	Arbetarnod som kör uppgifter tilldelade av Nimbus
ZooKeeper	Tillhandahåller distribuerad samordning och klustertillståndshantering
Arbetarprocessen	Utför en del av topologin
Utförare och uppgift	Trådar och enheter för bearbetningsarbete

Dessa komponenter säkerställer distribuerad samordning, uppgiftstilldelning och feltolerans över hela klustret.

3) Vad är en topologi i Apache Storm?

A topology I Apache Storm finns en riktad acyklisk graf (DAG) som definierar hur data flödar genom systemet. Den kopplar datakällor (Spouts) till processorenheter (Bolts). När de väl har skickats in körs topologier obegränsat och bearbetar strömmande data kontinuerligt tills de avslutas manuellt. Strukturen och grupperingsstrategierna i topologin avgör hur tupler (dataenheter) rör sig och bearbetas mellan komponenter.

4) Förklara vad pipar och bultar är i storm.

Pip: En Spout är ingångspunkten för att strömma data till en Storm-topologi. Den läser data från externa källor som filer, meddelandehanteringstjänster (t.ex. Kafka), API:er etc. och skickar ut tupler till strömmen.
Bult: En Bolt bearbetar inkommande tupler. Boltar kan filtrera, aggregera, sammanfoga, bevara resultat eller generera nya tupler nedströms. Komplex databehandling byggs upp genom kombinationer av boltar.

5) Vad är en tupel och ström i Apache Storm?

A tuple är den centrala datastrukturen i Storm som representerar en ordnad lista med värden (dvs. en post). stream är en obegränsad sekvens av tupler som flödar genom en topologi. Varje tuple i en ström kan utlösa ytterligare bearbetning i bultar. Tupler och strömmar tillsammans gör det möjligt för Storm att transportera och bearbeta data kontinuerligt.

6) Vilka olika typer av strömgrupperingar finns det i Storm?

Storm stöder flera stream grouping strategier för att dirigera tupler från en komponent till nästa:

Blandad gruppering: Distribuerar tupler slumpmässigt för jämn lastbalansering
Fältgruppering: Skickar tupler med samma fältvärden till en specifik bultuppgift
Global gruppering: Routerar alla tupler till en boltinstans
Alla grupperingar: Skickar varje tupel till alla boltinstanser
Direkt gruppering: Tillåter explicit routing till en specifik uppgift

Dessa grupperingar påverkar hur data partitioneras och bearbetas parallellt.

7) Hur säkerställer Storm feltolerans?

Storm erbjuder feltolerans genom en kombination av:

Uppgiftsövervakning: Nimbus och handledare återanställer misslyckade arbetare
Tack: Bultar och pipar bekräftar tupelkomplettering
Replay: Tupler som inte bearbetas inom timeout spelas upp igen.
ZooKeeper-koordinering: Säkerställer distribuerad kontroll och klusterkonsekvens

Dessa mekanismer hjälper Storm att återhämta sig smidigt från nodfel samtidigt som de säkerställer kontinuitet i databearbetningen.

8) Vad är meddelandebehandlingsgarantier i Storm?

Storm stöder tre bearbetningssemantik:

Garanti	BESKRIVNING
Högst en gång	Meddelandet kan gå förlorat men bearbetas aldrig igen
Minst en gång	Meddelandet försöks igen tills det bearbetas (standard)
Exakt en gång	Varje meddelande bearbetas en gång trots fel

Exakt en gång uppnås med bekräftelse- och transaktionsmekanismer, vanligtvis med hjälp av Trident API för tillståndskänsliga arbetsflöden.

9) Vad är syftet med Trident API?

Trident är ett högnivå-API byggt över Storm som tillhandahåller:

Exakt en gång-semantik
Transaktionell bearbetning
Statlig ledning
Förenklad programmeringsmodell

Den abstraherar Storm-internaler på lägre nivå, vilket gör komplexa arbetsflöden enklare att skriva och underhålla.

10) Förklara mottryck i Apache Storm.

Mottryck reglerar hastigheten med vilken tupler emitteras i topologin för att förhindra buffertöverflöden och resursutmattning när nedströms bultar inte kan hålla jämna steg. Storm justerar emissionshastigheterna dynamiskt för att upprätthålla jämn genomströmning utan dataförlust eller prestandaförsämring.

11) Hur står sig Storm i jämförelse med Apache Spark Strömning?

Storm bearbetar data i real time (kontinuerlig händelsebearbetning) med låg latens, medan Spark Streaming fungerar i micro-batches (bearbetar små datafönster med intervaller). Storm är lämpad för bearbetningsbehov på under en sekund, medan Spark Streaming utmärker sig inom högkapacitets mikrobatchanalys.

12) Lista vanliga användningsfall för Apache Storm.

Storm används flitigt i:

Realtidsanalys och dashboards
System för upptäckt av bedrägerier
Logg- och händelsebehandling
IoT-sensordatabehandling
Analys av sociala medier

Det passar scenarier som kräver omedelbara insikter om strömmande ingångar.

13) Vad är en timeout för ett topologimeddelande?

Topology_Message_Timeout_secs definierar den maximala tid som en tupel får bearbetas helt av topologin innan den anses vara felaktig och spelas upp igen. Detta bidrar till att upprätthålla tillförlitligheten i långa eller fastnade bearbetningsflöden.

14) Hur är Apache Storm Cluster Övervakad?

Stormen tillhandahåller en Storm UI för klustervisualisering i realtid (topologier, arbetare, dataflöde) och integreras med övervakningsverktyg som JMX, Prometheus och Grafana för spårning och aviseringar av mätvärden.

15) Vilken roll spelar ZooKeeper i Storm?

ZooKeeper hanterar samordning och konfiguration inom ett Storm-kluster, upprätthåller distribuerade lås, ledarval (för Nimbus) och klustertillståndskonsekvens. Detta säkerställer robust hantering av distribuerade komponenter.

16) Hur uppnår Apache Storm skalbarhet?

Apache Storm skalas horisontellt genom att distribuera beräkningen över flera arbetsnoder och uppgifter. Varje topologi kan konfigureras med en specifik parallelism hint, vilket bestämmer antalet exekutorer (trådar) och uppgifter per komponent. Storms arkitektur stöder båda uppskalning (lägger till trådar) och skala ut (lägger till noder).

Om till exempel en bult har en parallellitet på 8, fördelar Storm sina uppgifter mellan 8 exekutorer, eventuellt över olika handledare. Skalning hanteras dynamiskt genom ombalanseringskommandon utan att topologin stoppas.

17) Vilka är fördelarna och nackdelarna med att använda Apache Storm?

Fördelar	Nackdelar
Bearbetning av strömmar i realtid	Komplex att konfigurera och underhålla
Hög genomströmning och låg latens	Kräver ZooKeeper för samordning
Feltolerant och skalbar	Felsökning av distribuerade problem kan vara utmanande
Stöder flera språk (Java, Python, Etc)	Less effektiv för batch- eller mikrobatcharbetsbelastningar
Enkel integration med Kafka, Hadoop och HBase	Trident lägger till overhead för exakt engångsbearbetning

Svarssammanfattning: Storm är idealisk för realtidsanalys men inte optimerad för batch-arbetsbelastningar eller mycket tillståndskänsliga operationer jämfört med ramverk som Flink eller Spark Strukturerad strömning.

18) Förklara livscykeln för en tupel i Apache Storm.

En tupels livscykel börjar vid Spout och avslutas när den är helt behandlad och bekräftad.

Skapande av tupler: En pip läser och avger en tupel.
Strömningsrutning: Tupeln färdas genom bultar enligt grupperingslogik.
Bearbetning: Varje bult utför sin logik och kan avge nya tupler.
Bekräftelse: När alla nedströmsbultar är klara, kvitteras tupeln tillbaka till pipen.
Hantering av fel: Om någon bult går sönder spelar Storm upp tupeln automatiskt.

Denna livscykel säkerställer tillförlitlighet genom sin inbyggda ack/fail mechanism.

19) Vad är skillnaden mellan pålitliga och otillförlitliga pipar?

Aspect	Pålitlig pip	Otillförlitlig pip
Tupelspårning	Spårar tupler via meddelande-ID:n	Spårar inte tupler
Försöker igen	Spelar upp misslyckade tupler igen	Ingen mekanism för återförsök
Bekräftelse	Tar emot bekräftelse-/misslyckandemeddelanden	Ingen bekräftelse
Användningsfall	Finansiella transaktioner, bedrägeriupptäckt	Loggaggregering, övervakning

Exempel: KafkaSpout är vanligtvis tillförlitlig, medan en enkel syslog-strömspout kan vara opålitlig för snabbare inmatning.

20) Hur hanterar ni datakonsistens i Apache Storm?

Datakonsistens i Storm kan upprätthållas genom att:

Använda Trident API för semantik för exakt en gångs bearbetning.
Idempotenta operationer för att säkerställa att ombearbetade tupler inte orsakar duplicerade effekter.
Transaktionella pipar/bultar för tillståndskänslig beräkning.
Kontrollpunktstillstånd i externa system som Redis eller Cassandra.

Till exempel, vid uppdatering av räknare bör boltar använda atomära operationer för att säkerställa korrekthet under tupeluppspelningar.

21) Hur felsöker eller övervakar man prestandaproblem i en Storm-topologi?

Felsökning involverar flera strategier:

Storm-gränssnitt: Visualiserar topologimätvärden (latens, tupelantal, fel).
Arbetarloggar: Kontrollera loggarna under /logs/workers-artifacts/ för undantag.
Aktivera felsökningsläge: topology.debug=true skriver ut tupelflödesloggar.
Profilprestanda: Använd mätvärden som execute-latency och process-latency.
Extern övervakning: Integrera Prometheus- eller Grafana-dashboards.

Proaktiv mätvärdesövervakning och medarbetarprofilering hjälper till att identifiera flaskhalsar tidigt.

22) Vilka är de viktigaste skillnaderna mellan Apache Storm och Apache Flink?

Parameter	Apache Storm	Apache Flash
Bearbetningstyp	Ren realtid (händelse i taget)	Realtid och batch (enhetlig)
Statlig förvaltning	Extern (via Trident)	Inbyggd, feltolerant
Latens	Undersekund	Undersekund
Enkel användning	Mer komplex	Enklare med DataStream API
Exakt engångsgaranti	Valfritt (via Trident)	Inbyggt stöd
mottryck	Manuell eller dynamisk	Automat

Svarssammanfattning: Medan Storm var pionjärer inom realtidsbehandling, erbjuder Flink en mer integrerad tillståndshanteringsmodell, vilket gör den att föredra för komplexa, händelsedrivna pipelines.

23) Hur skiljer sig Storm-topologin från ett MapReduce-jobb?

Ett MapReduce-jobb bearbetar data i diskreta satser, medan en Storm-topologi bearbetar dataströmmar kontinuerligt.

MapReduce: Ändlig inmatning, körs en gång, lämplig för offline-analys.
Storm: Oändlig inmatning, körs obegränsat, perfekt för realtidsanalys.

I huvudsak fungerar Storm som ett "streamingkomplement" till Hadoops batch-ramverk.

24) Förklara konceptet förankring i Apache Storm.

Förankring länkar en emitterad tupel till dess källtupel. Det gör det möjligt för Storm att spåra tuplernas härkomst för felåterställning. När en bolt emitterar en ny tupel kan den förankra den till en inmatningstupel med hjälp av:

collector.emit(inputTuple, newTuple);

Om någon förankrad tupel misslyckas nedströms kan Storm spela upp den ursprungliga källtupeln, vilket säkerställer tillförlitlig bearbetning.

25) Vilka faktorer bör man tänka på när man finjusterar Apache Storms prestanda?

Prestandajustering innebär att optimera både configuration och topology design:

Öka parallellism (exekutorer, arbetare).
Justera meddelandets tidsgräns (topology.message.timeout.secs).
Optimera serialisering med hjälp av Kryo eller anpassade serialiserare.
Minimera nätverksblandning med lämpliga gruppstrategier.
Möjliggöra mottryck för att förhindra överbelastning.
Övervaka GC och heap-användning för att undvika minnesflaskhalsar.

En balans mellan parallellitet och hårdvarukapacitet säkerställer optimalt dataflöde och minimal latens.

26) Vad är Trident API, och hur utökar det Apache Storms möjligheter?

Ocuco-landskapet Trident API är en high-level abstraction layer byggt ovanpå Apache Storm, utformat för att förenkla tillståndsbaserad strömbearbetning. Till skillnad från core Storm, som arbetar med individuella tupler, fungerar Trident på mikrobatcher av tupler, vilket ger semantik för exakt en gångs bearbetning.

Den introducerar abstraktioner som Streams, Partieroch Ange Operationer för enklare aggregering, filtrering och kopplingar.

Exempel: Trident förenklar kodskrivning för att räkna användarklick eller aggregera mätvärden per minut utan att manuellt hantera tupelbekräftelser eller replaylogik.

Kort sagt, Trident överbryggar klyftan mellan Storms lågnivåflexibilitet och ramverk som Spark Streamingens enkelhet.

27) Hur integrerar man Apache Storm med Apache Kafka?

Integration mellan Kafka och Storm uppnås med hjälp av KafkaPip (konsument) och eventuellt en KafkaBolt (producent).

Typiskt dataflöde:

KafkaSpout prenumererar på ett Kafka-ämne och genererar tupler i Storm-topologin.
Bolts bearbetar och transformerar data.
KafkaBolt skriver resultaten tillbaka till ett annat Kafka-ämne eller externt system.

Exempel på konfigurationskodavsnitt:

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

Kafka-Spout-integrationen säkerställer feltolerant, skalbar meddelandeströmning mellan system som Spark, Flink eller Storm själv.

28) Vilka är strategierna för tillståndshantering i Apache Storm?

Storm stöder flera strategier för att hantera tillstånd över boltar och spouts:

Tillståndstyp	BESKRIVNING	Användningsexempel
Minnesläge	Snabb men volatil	Tillfälliga aggregeringar
Ihållande tillstånd	Lagras i externa databaser (t.ex. Redis, Cassandra)	Transaktionsloggar, räknare
Transaktionstillstånd	Garanterar exakt engångskonsistens	Finansiella transaktioner
Partitionerat tillstånd	Fördelar tillstånd över uppgifter	Pipelines med hög skalbarhet

Trident API förenklar detta via State och StateUpdater gränssnitt, vilket gör tillståndsoperationer mer tillförlitliga och modulära.

29) Förklara skillnaden mellan Storms lokala och Cluster lägen.

Lokalt läge: Används för testning eller utveckling. Kör alla Storm-komponenter (Nimbus, Supervisor, Zookeeper) i en enda JVM-process.
Cluster Mode: Används för produktion. Nimbus- och Supervisor-processer körs på separata noder med samordning hanterad av ZooKeeper.

Aspect	Lokalt läge	Cluster Mode
Inställning	Enskild maskin	Flera noder
Syfte	Felsökning, enhetstestning	Produktionsinstallation
Fart	Långsammare för tunga arbetsbelastningar	Optimerad för prestanda
Feltolerans	Minimal	Hög

Du kan skicka topologier till klustret med hjälp av:

storm jar mytopology.jar com.example.MyTopology

30) Vilka olika typer av datakällor (Spouts) finns det i Storm?

Spolar kan kategoriseras som:

Pålitliga pipar: Använd meddelande-ID:n för att spåra tupelbekräftelser.
Otillförlitliga pipar: Sänd ut tupler utan spårning (snabbare men mindre tillförlitligt).
Transaktionella utlopp: Skicka data i transaktionella batchar (används med Trident).

Exempel:

KafkaSpout (pålitlig)
RabbitMQSpout (pålitlig)
RandomSpout eller FileSpout (otillförlitlig)

Varje piptyp passar olika avvägningar mellan genomströmning och tillförlitlighet.

🔍 De viktigaste intervjufrågorna för Apache Storm med verkliga scenarier och strategiska svar

1) Vad är Apache Storm, och var används det vanligtvis?

Förväntat från kandidaten: Intervjuaren vill bedöma din grundläggande förståelse för Apache Storm och dess verkliga tillämpningar, särskilt i realtidsdatabehandlingsmiljöer.

Exempel på svar: ”Apache Storm är ett distribuerat, feltolerant ramverk utformat för strömningsbehandling i realtid. Det används ofta för scenarier som realtidsanalys, loggbehandling, händelsedrivna system och kontinuerlig beräkning där låg latens och hög dataflöde krävs.”

2) Kan du förklara kärnkomponenterna i en Apache Storm-topologi?

Förväntat från kandidaten: Intervjuaren testar dina kunskaper om Storm-arkitektur och om du förstår hur data flödar genom systemet.

Exempel på svar: "En Storm-topologi består av spouts och bolts som är sammankopplade i en riktad acyklisk graf. Spouts fungerar som källor för dataströmmar, medan bolts bearbetar, transformerar eller aggregerar data. Topologin definierar hur data flödar och exekveras kontinuerligt tills den stoppas."

3) Hur säkerställer Apache Storm feltolerans?

Förväntat från kandidaten: Intervjuaren vill förstå din förståelse för tillförlitlighetsmekanismer i distribuerade system.

Exempel på svar: ”Apache Storm säkerställer feltolerans genom tupelförankring och bekräftelsemekanismer. Om en tupel inte bearbetas helt inom en viss tidsgräns spelas den upp igen. Handledare och Nimbus övervakar även arbetarfel och startar om uppgifter automatiskt vid behov.”

4) Beskriv en situation där du optimerade prestandan för en Storm-topologi.

Förväntat från kandidaten: Intervjuaren söker praktisk erfarenhet och din förmåga att förbättra systemets effektivitet.

Exempel på svar: ”I min tidigare roll optimerade jag en Storm-topologi genom att finjustera parallellitetshintar och justera antalet arbetare baserat på dataflödesstatistik. Jag minskade också onödig dataserialisering mellan bultar, vilket avsevärt minskade bearbetningslatensen.”

5) Hur hanterar man mottryck i Apache Storm?

Förväntat från kandidaten: Intervjuaren vill veta om du förstår flödeskontroll i streamingsystem.

Exempel på svar: ”I en tidigare position hanterade jag mottryck genom att aktivera Storms inbyggda mottrycksmekanismer och noggrant konfigurera buffertstorlekar. Jag övervakade även långsamt förbrukande bultar och skalade dem horisontellt för att förhindra överbelastning uppströms.”

6) Vilka utmaningar har du stött på när du felsökt Storm-applikationer?

Förväntat från kandidaten: Intervjuaren utvärderar dina problemlösningsförmågor och din uthållighet i komplexa distribuerade miljöer.

Exempel på svar: ”Att felsöka Storm-applikationer kan vara utmanande på grund av distribuerad exekvering. På mitt tidigare jobb förlitade jag mig starkt på Storm UI, detaljerad loggning och mätvärden för att spåra tupelfel och identifiera flaskhalsar mellan arbetare och exekveringar.”

7) Hur står sig Apache Storm i jämförelse med andra ramverk för strömbehandling?

Förväntat från kandidaten: Intervjuaren vill se din bredare branschkännedom och förmåga att utvärdera avvägningar.

Exempel på svar: ”Apache Storm utmärker sig i låg latens, händelse-för-händelse-bearbetning, medan andra ramverk kan fokusera mer på mikrobatchning eller enhetlig batch- och strömbearbetning. Storm väljs ofta när strikt realtidsbearbetning och enkla bearbetningsmodeller krävs.”

8) Beskriv hur du skulle utforma en Storm-topologi för bedrägeridetektering i realtid.

Förväntat från kandidaten: Intervjuaren testar din förmåga att tillämpa Storm-koncept på verkliga scenarier.

Exempel på svar: "Jag skulle designa spouts för att mata in transaktionshändelser i realtid och bolts för att utföra validering, anrikning och regelbaserad analys. Stateful bolts skulle spåra misstänkta mönster, och varningar skulle utsändas omedelbart när tröskelvärden överskrids."

9) Hur hanterar ni konfiguration och driftsättning i Apache Storm?

Förväntat från kandidaten: Intervjuaren vill ha inblick i din operativa och utplaceringserfarenhet.

Exempel på svar: ”I min senaste roll hanterade jag konfigurationer med hjälp av externaliserade YAML-filer och miljöspecifika parametrar. Distributionerna automatiserades via skript och topologier versionerades för att säkerställa konsekventa och repeterbara utgåvor i olika miljöer.”

10) Hur prioriterar du tillförlitlighet kontra prestanda i ett Storm-baserat system?

Förväntat från kandidaten: Intervjuaren bedömer dina beslutsfattande färdigheter när de balanserar konkurrerande systemkrav.

Exempel på svar: ”Jag prioriterar tillförlitlighet först för kritiska system genom att möjliggöra bekräftelser och återförsök, även om det ökar latensen. När tillförlitligheten är säkerställd optimerar jag prestandan stegvis genom parallelljustering och resursallokering baserat på observerade mätvärden.”