“快”这个词是不清晰的，专业归于点有两个层面：

1. 时延 ， 指数据从发生到运算发生成果的时刻，题主的“快”应该主要指这个。
2. 吞吐， 指体系单位时刻处理的数据量。

首要清晰一点，在耗费资源相同的情况下，一般来说Storm的延时低于mapreduce。可是吞吐也低于mapreduce。

storm的网络直传、内存核算，当时延必定比Hadoop的经过hdfs传输低得多;当核算模型比较合适流式时，storm的流式处理，省去了批处理的搜集数据的时刻;由于storm是服务型的作业，也省去了作业调度的时延。所以从时延上来看，storm要快于hadoop。

说一个典型的场景，几千个日志出产方发生日志文件，需求进行一些ETL操作存入一个数据库。

假定运用hadoop，则需求先存入hdfs，按每一分钟切一个文件的粒度来算(这个粒度现已极点的细了，再小的话hdfs上会一堆小文件)，hadoop开端核算时，1分钟现已曩昔了，然后再开端调度使命又花了一分钟，然后作业运转起来，假定机器特别多，几钞钟就算完了，然后写数据库假定也花了很少的时刻，这样，从数据发生到***能够运用现已曩昔了至少两分多钟。

而流式核算则是数据发生时，则有一个程序去一向监控日志的发生，发生一行就经过一个传输体系发给流式核算体系，然后流式核算体系直接处理，处理完之后直接写入数据库，每条数据从发生到写入数据库，在资源足够时能够在毫秒等级完结。

当然，跑一个大文件的wordcount，原本便是一个批处理核算的模型，你非要把它放到storm上进行流式的处理，然后又非要让等一切已有数据处理完才让storm输出成果，这时候，你再把它和hadoop比较快慢，这时，其实比较的不是时延，而是比较的吞吐了。

storm是典型的流核算体系，mapreduce是典型的批处理体系。下面对流核算和批处理体系流程。

整个数据处理流程来说大致能够分三个阶段：

1. 数据收集与预备

2. 数据核算(触及核算中的中心存储)， 题主中的“那些方面决议”应该主要是指这个阶段处理方式。

3. 数据成果展现(反应)

1)数据收集阶段，现在典型的处理处理战略：数据的发生体系一般出自页面打点和解析DB的log，流核算将数据收会集音讯行列(比方kafaka,metaQ,timetunle)等。批处理体系一般将数据收集进分布式文件体系(比方HDFS)，当然也有运用音讯行列的。咱们暂时把音讯行列和文件体系称为预处理存储。二者在延时和吞吐上没太大差异，接下来从这个预处理存储进入到数据核算阶段有很大的差异，流核算一般在实时的读取音讯行列进入流核算体系(storm)的数据进行运算，批处理一体系一般会攒一大批后批量导入到核算体系(hadoop)，这儿就有了时延的差异。

2)数据核算阶段，流核算体系(storm)的时延低主要有一下几个方面

A： storm 进程是常驻的，有数据就能够进行实时的处理

mapreduce 数据攒一批后由作业办理体系发动使命，Jobtracker核算使命分配，tasktacker发动相关的运算进程

B： stom每个核算单元之间数据之间经过网络(zeromq)直接传输。

mapreduce map使命运算的成果要写入到HDFS，在于reduce使命经过网络拖曩昔运算。相对来说多了磁盘读写，比较慢

C： 关于杂乱运算

storm的运算模型直接支撑DAG(有向无环图)

mapreduce 需求肯多个MR进程组成，有些map操作没有意义的

3)数据成果展现

流核算一般运算成果直接反应到终究成果会集(展现页面，数据库，搜索引擎的索引)。而mapreduce一般需求整个运算完毕后将成果批量导入到成果会集。

实践流核算和批处理体系没有实质的差异，像storm的trident也有批概念，而mapreduce能够将每次运算的数据集缩小(比方几分钟发动一次)，facebook的puma便是根据hadoop做的流核算体系。