Storm中的Stream grouping有哪幾種方式？

在拓撲圖中，每一個bolt接受一個spout或者bolt的數據，可是每個spout或者bolt有多個實例，所以哪個接受哪個bolt或者spout實例的數據須要stream grouping。

  Storm定義了七種內置數據流分組的方式：

1.Shuffle grouping（隨機分組）：這種方式會隨機分發tuple給bolt的各個task，每一個bolt實例接收到相同數量的tuple。

2.Fields grouping（按字段分組）：根據指定字段的值進行分組。好比說，一個數據流根據'word'字段進行分組，全部具備相同的'word'字段值的tuple會路由到同一個bolt的task中。

3.All grouping（全複製分組）：將全部的tuple複製後分發給全部的bolt task。每一個訂閱數據流的task都會接收到tuple的拷貝。

4.Globle grouping（全局分組）：這種分組方式將全部的tuples路由到惟一一個task上。Storm按照最小的taskID來選取接收數據的task。注意！！當使用全局分組方式時，設置bolt的task併發度是沒有意義的，由於全部tuple都轉發到同一個task上了。使用全局分組的時候須要注意，由於全部tuple都轉發到一個JVM實例上，可能會引發Storm集羣中某個JVM或者服務器出現性能瓶頸或奔潰。

5.None grouping（不分組）：在功能上和隨機分組相同，是爲未來預留的。

6.Direct grouping (指向型分組)：數據源會調用emitDirect()方法來判斷一個tuple應該由哪一個Storm組件來接收。只能在聲明瞭是指向型的數據流上使用。

7.Local or shuffle grouping（本地或隨機分組）：和隨機分組相似，可是，會將tuple分發給同一個worker內的bolt task(若是worker內有接收數據的bolt task)。其餘狀況下，採用隨機分組的方式。取決於topology的併發度，本地或隨機分組能夠減小網絡傳輸，從而提升topology性能。