storm实现并行的三个重要元素
worker:supervisor起的jvm节点，进程级别的计算资源
executor:worker内的线程，线程级的计算资源，每个worker可起多个executor
task:spout/bolt实例，也就是计算任务
一个storm集群，启动，并发布了topology后，大致是如下情况:
配置storm安装目录下，storm.yaml中的supervisor.slots.ports可指定一个supervisor最多可启动的worker数量
上图中，配置supervisor最多可启动6个worker节点。
一个拓扑需要多少计算资源，是发布之前在代码内进行配置，nimbus发布topology之后，会根据topology内各组件情况，分配至supervisor。
其中，executor，tasks是topology的主要配置项，topology的每个spout/bolt组件，都会配置executor，以及tasks，用以表明，此组件需要几个线程执行，执行多少个tasks。
如下例:
笔者构建的topology共有三个组件
spout:streamMaking
bolt:step1Bolt
bolt:step2Bolt
各项并行配置为:
streamMaking:并行数4，
step1Bolt:并行数2，task4，也就是发布后，分配给step1Bolt的2个executor，每个executor将并发执行2个step1Bolt实例，一共执行step1Bolt4个实例
step2Bolt：并行数为1
可见，我的topology共需要7个线程资源，共会启动9个task实例。
假如，我共有两个supervisor节点，每个节点起了2个worker实例，
那么上述topology发布后，在storm中大致是如下情况：
storm UI监控展示如下:
合理的配置使用executor,以及并发task数，是实现storm并行的关键，当然，配置时，需要根据系统的使用资源，合理配置。
storm集群提供了worker进程级别的计算资源，我们在发布topology时，通常不希望不同topology的组件task分配至同一个worker内的不同线程执行，如何使用storm进行合理的资源隔离，将会在下一篇章进行介绍。
