storm核心概念详解

.gitignore

@@ -0,0 +1,42 @@
+*#
+*.iml
+*.ipr
+*.iws
+*.jar
+*.sw?
+*~
+.#*
+.*.md.html
+.DS_Store
+.classpath
+.factorypath
+.gradle
+.idea
+.metadata
+.project
+.recommenders
+.settings
+.springBeans
+/build
+/code
+MANIFEST.MF
+_site/
+activemq-data
+bin
+build
+build.log
+dependency-reduced-pom.xml
+dump.rdb
+interpolated*.xml
+lib/
+manifest.yml
+overridedb.*
+settings.xml
+target
+classes
+out
+transaction-logs
+.flattened-pom.xml
+secrets.yml
+.gradletasknamecache
+.sts4-cache

README.md

@@ -6,7 +6,7 @@
 
 
 
-> 大数据常用技术栈学习之路 — — 持续更新中
+> Java 程序员的大数据学习之路 — — 持续更新中
 
 
 
@@ -16,6 +16,7 @@
       <th><img width="50px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hive.jpg"></th>
       <th><img width="50px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark.jpg"></th>
        <th><img width="50px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flink.png"></th>
+       <th><img width="50px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/storm.png"></th>
       <th><img width="50px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flume.png"></th>
       <th><img width="50px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/oozie.jpg"></th>
       <th><img width="50px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/sqoop.png"></th>
@@ -30,20 +31,22 @@
       <td align="center"><a href="#二hive">Hive</a></td>
       <td align="center"><a href="#三spark">Spark</a></td>
       <td align="center"><a href="#四flink">Flink</a></td>
-      <td align="center"><a href="#五flume">Flume</a></td>
-      <td align="center"><a href="#六oozie">Oozie</a></td>
-      <td align="center"><a href="#七sqoop">Sqoop</a></td>
-      <td align="center"><a href="#八azkaban">Azkaban</a></td>
-      <td align="center"><a href="#九hbase">Hbase</a></td>
-      <td align="center"><a href="#十kafka">Kafka</a></td>
-      <td align="center"><a href="#十一zookeeper">Zookeeper</a></td>
-      <td align="center"><a href="#十二scala">Scala</a></td>
+      <td align="center"><a href="#五storm">storm</a></td>
+      <td align="center"><a href="#六flume">Flume</a></td>
+      <td align="center"><a href="#七oozie">Oozie</a></td>
+      <td align="center"><a href="#八sqoop">Sqoop</a></td>
+      <td align="center"><a href="#九azkaban">Azkaban</a></td>
+      <td align="center"><a href="#十hbase">Hbase</a></td>
+      <td align="center"><a href="#十一kafka">Kafka</a></td>
+      <td align="center"><a href="#十二zookeeper">Zookeeper</a></td>
+      <td align="center"><a href="#十三scala">Scala</a></td>
     </tr>
   </table>
 
 
 
-> 本仓库涉及的所有软件的详细搭建步骤整理至：[linux下大数据常用软件安装指南](https://github.com/heibaiying/BigData-Notes/blob/master/notes/linux下大数据常用软件安装指南.md)
+
+> 本仓库涉及的所有软件的详细搭建步骤整理至：[Linux下大数据常用软件安装指南](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Linux下大数据常用软件安装指南.md)
 
 
 
@@ -55,17 +58,24 @@
 
 ## 二、Hive
 
-1. [数据仓库——Hive](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Hive.md)
+1. [数据仓库Hive](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Hive.md)
 
 ## 三、Spark
 
+1. RDD详解
+2. Spark Transformation 和 Action
+
 ## 四、Flink
 
-## 五、Flume
-## 六、Oozie
-## 七、Sqoop
-## 八、Azkaban
-## 九、Hbase
-## 十、Kafka
-## 十一、Zookeeper
-## 十二、Scala
+## 五、Storm
+
+1. [storm核心概念详解](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Storm核心概念详解.md)
+
+## 六、Flume
+## 七、Oozie
+## 八、Sqoop
+## 九、Azkaban
+## 十、Hbase
+## 十一、Kafka
+## 十二、Zookeeper
+## 十三、Scala

notes/Storm核心概念详解.md

@@ -0,0 +1,268 @@
+# storm 核心概念核心概念详解
+
<nav>
+<a href="#一storm核心概念">一、storm核心概念</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#11--Topologies拓扑">1.1  Topologies（拓扑）</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#12--Streams流">1.2  Streams（流）</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#13-Spouts">1.3 Spouts</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#14-Bolts"> 1.4 Bolts</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#15-Stream-groupings分组策略">1.5 Stream groupings（分组策略）</a><br/>
+<a href="#二storm架构详解">二、storm架构详解</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#21-nimbus进程">2.1 nimbus进程</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#22-supervisor进程">2.2 supervisor进程</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#23-Zookeeper的作用">2.3 Zookeeper的作用</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#24-worker进程">2.4 worker进程</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#25-executor线程">2.5 executor线程</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#26-并行度">2.6 并行度</a><br/>
+<a href="#三Linux下Storm单机版本环境搭建">三、Linux下Storm单机版本环境搭建</a><br/>
+<a href="#四storm词频统计案例">四、storm词频统计案例</a><br/>
+</nav>
+
+## 一、storm核心概念
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spout-bolt.png"/> </div>
+
+### 1.1  Topologies（拓扑）
+
+Storm应用程序的逻辑被封装在 Storm topology（拓扑）中，一个拓扑是 Spout 和 Bolt 通过 stream groupings 连接起来的有向无环图，Storm会一直保持Topologies运行，直到你将其杀死（kill）为止。
+
+### 1.2  Streams（流）
+
+stream 是 Storm 中的核心概念，一个 stream 是一个无界的、以分布式方式并行创建和处理的 Tuple 序列。
+
+默认情况下 Tuple 可以包含 integers, longs, shorts, bytes, strings, doubles, floats, booleans, and byte arrays 等数据类型，当然你也可以实现自己的自定义类型。
+
+### 1.3 Spouts
+
+Spout 是一个 topology（拓扑）中 stream的源头， 通常 Spout 会从外部数据源读取 Tuple。
+
+Spout分为 **可靠** 和**不可靠**两种，可靠的 Spout 在 Storm 处理失败的时候能够重新发送 Tuple, 不可靠的 Spout一旦把Tuple 发送出去就不管了。
+
+Spout 可以向不止一个流中发送数据，可以使用`OutputFieldsDeclare` 的 declareStream 方法定义多个流，并在 `SpoutOutputCollector`对象的 emit 方法中指定要发送到的stream 。
+
+```java
+public class SpoutOutputCollector implements ISpoutOutputCollector {
+    ISpoutOutputCollector _delegate;
+
+    ...
+    
+    public List<Integer> emit(String streamId, List<Object> tuple, Object messageId) {
+        return _delegate.emit(streamId, tuple, messageId);
+    }
+
+
+    public List<Integer> emit(List<Object> tuple, Object messageId) {
+        return emit(Utils.DEFAULT_STREAM_ID, tuple, messageId);
+    }
+
+
+    public List<Integer> emit(List<Object> tuple) {
+        return emit(tuple, null);
+    }
+
+
+    public List<Integer> emit(String streamId, List<Object> tuple) {
+        return emit(streamId, tuple, null);
+    }
+
+    public void emitDirect(int taskId, String streamId, List<Object> tuple, Object messageId) {
+        _delegate.emitDirect(taskId, streamId, tuple, messageId);
+    }
+
+    public void emitDirect(int taskId, List<Object> tuple, Object messageId) {
+        emitDirect(taskId, Utils.DEFAULT_STREAM_ID, tuple, messageId);
+    }
+    
+
+    public void emitDirect(int taskId, String streamId, List<Object> tuple) {
+        emitDirect(taskId, streamId, tuple, null);
+    }
+
+    public void emitDirect(int taskId, List<Object> tuple) {
+        emitDirect(taskId, tuple, null);
+    }
+
+}
+```
+
+Spout 中的最主要的方法是 `nextTuple`。`nextTuple` 向 topology（拓扑）中发送一个新的 Tuple, 如果没有 Tuple 需要发送就直接返回。对于任何 Spout 实现 `nextTuple` 方法都必须非阻塞的，因为 Storm在一个线程中调用Spout 的所有方法。
+
+Spout 的另外几个重要的方法是 `ack` 和 `fail`。 这些方法在 Storm 检测到 Spout 发送出去的 Tuple 被成功处理或者处理失败的时候调用。 `ack`和`fail`只会在可靠的 Spout 中会被调用。
+
+**IRichSpout**: 创建 Spout 时必须实现的接口,其中定义了Spout 的主要方法。但是在通常情况下，由于我们并不需要实现其中的全部方法，所以我们并不会直接实现IRichSpout，而是继承其抽象子类**BaseRichSpout**。
+
+```java
+public interface ISpout extends Serializable {
+   
+    void open(Map conf, TopologyContext context, SpoutOutputCollector collector);
+
+    void close();
+    
+    void activate();
+    
+    void deactivate();
+
+    void nextTuple();
+
+    void ack(Object msgId);
+
+    void fail(Object msgId);
+}
+```
+
+BaseRichSpout继承自BaseComponent并空实现了ISpout中的部分方法，这样我们在实现自定义Spout的时候就不需要实现其中不必要的方法。
+
+注：BaseComponent是IComponent的抽象实现类，IComponent 中定义了Topologies（拓扑）中所有基本组件（如Spout，Bolts）的常用方法。
+
+```java
+public abstract class BaseRichSpout extends BaseComponent implements IRichSpout {
+    @Override
+    public void close() {
+    }
+
+    @Override
+    public void activate() {
+    }
+
+    @Override
+    public void deactivate() {
+    }
+
+    @Override
+    public void ack(Object msgId) {
+    }
+
+    @Override
+    public void fail(Object msgId) {
+    }
+}
+
+```
+
+###  1.4 Bolts
+
+Bolts是实际的stream处理单元，它负责处理数据的处理。Bolts可以执行过滤（filtering），聚合（aggregations），joins，与文件/数据库交互等操作。Bolts从spout/Bolts接收数据，处理后再发射数据到一个或多个Bolts中。
+
+Bolts是stream的的处理单元，对于一个处理单元来说，重要的就只有三点：
+
++ 如何获取数据？
++ 怎样处理数据？
++ 怎样将处理好的数据发送出去？
+
+**1.获取数据**
+
+Spouts在从外部数据源获得数据后，将数据发送到stream，Bolts想要获得对应的数据，可以通过`shuffleGrouping`方法实现对组件（Spouts/Bolts）特定流的订阅。
+
+**2.处理数据**
+
+Bolt 中最主要的方法是 `execute` 方法, 当有一个新 Tuple 输入的时候就会进入这个方法，我们可以在这个方法中实现具体的处理逻辑。
+
+**3.发送数据**
+
+这个地方与Sprout是相同的，Bolts 可以向不止一个流中发送数据，可以使用`OutputFieldsDeclare` 的 declareStream 方法定义多个流，并在 `SpoutOutputCollector`对象的 emit 方法中指定要发送到的stream 。
+
+
+
+### 1.5 Stream groupings（分组策略）
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/topology-tasks.png"/> </div>
+
+spouts和bolts在集群上执行任务时，是由多个Task并行执行（如上图，每一个圆圈代表一个Task）。当一个tuple需要从Bolt A发送给Bolt B执行的时候，我们怎么知道需要发送给Bolt B的哪一个Task执行？这是由Stream groupings 分组策略来决定的。
+
+Storm 中一共有8个内置的 Stream Grouping。也可以通过实现 `CustomStreamGrouping`接口来自定义 Stream groupings。
+
+1. **Shuffle grouping**: Tuple 随机的分发到 Bolt Task, 每个 Bolt 获取到等量的 Tuple。
+2. **Fields grouping**: streams 通过 grouping 指定的字段来分区. 例如流通过 "user-id" 字段分区, 具有相同 "user-id" 的 Tuple 会发送到同一个task, 不同 "user-id" 的 Tuple 可能会流入到不同的 tasks。
+3. **Partial Key grouping**: stream 通过 grouping 中指定的 field 来分组, 与 Fields Grouping 相似.。但是对于 2 个下游的 Bolt 来说是负载均衡的, 可以在输入数据不平均的情况下提供更好的优化。
+4. **All grouping**: stream 在所有的 Bolt Tasks之间复制. 这个 Grouping 需要谨慎使用。
+5. **Global grouping**: 整个 stream 会进入 Bolt 其中一个任务。特别指出, 它会进入 id 最小的 task。
+6. **None grouping**:  这个 grouping , 你不需要关心 stream 如何分组. 当前, None grouping 和 Shuffle grouping  等价。同时, Storm可能会将使用 None grouping 的 bolts 和上游订阅的 bolt/spout 运行在同一个线程。
+7. **Direct grouping**: 这是一种特殊的 grouping 方式. stream 用这个方式 group 意味着由这个 Tuple 的 **生产者** 来决定哪个**消费者** 来接收它。Direct grouping 只能被用于 direct streams 。
+8. **Local or shuffle grouping**: 如果目标 Bolt 有多个 task 和 streams源 在同一个 woker 进程中, Tuple 只会 shuffle 到相同 worker 的任务。否则, 就和 shuffle goruping 一样。
+
+
+
+## 二、storm架构详解
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/Internal-Working-of-Apache-Storm.png"/> </div>
+
+### 2.1 nimbus进程
+
+ 也叫做 master node，是storm集群工作的全局指挥官。 
+
+1. 通过thrift接口，监听并接收client对topology的submit， 将topology代码保存到本地目录/nimbus/stormdist/下 ;
+2. 为client提交的topology计算任务分配，根据集群worker资源情况，计算出topology的spoult和bolt的task应该如何在worker间分配，任务分配结果写入zookeeper ;
+3. 通过thrift接口，监听supervisor的下载topology代码的请求，并提供下载 ;
+4. 通过thrift接口，监听ui对统计信息的读取，从zookeeper上读取统计信息，返回给ui ;
+5. 若进程退出后，立即在本机重启，则不影响集群运行。 
+
+
+
+### 2.2 supervisor进程
+
+也叫做 worker node ,  storm集群的资源管理者，按需启动worker进程。 
+
+1. 定时从zookeeper 检查是否有代码未下载到本地的新topology ，定时删除旧topology代码 ;
+2. 根据nimbus的任务分配结果，在本机按需启动1个或多个worker进程，监控守护所有的worker进程;
+3. 若进程退出，立即在本机重启，则不影响集群运行。 
+
+
+
+### 2.3 Zookeeper的作用
+
+Nimbus和Supervisor进程都被设计为**快速失败**（遇到任何意外情况时进程自毁）和**无状态**（所有状态保存在Zookeeper或磁盘上）。  因此，如果Nimbus或Supervisor守护进程死亡，它们会重新启动，并从zookeeper上获取之前的状态数据，就像什么都没发生一样。
+
+
+
+### 2.4 worker进程
+
+torm集群的任务构造者 ，构造spoult或bolt的task实例，启动executor线程。 
+
+1. 根据zookeeper上分配的task，在本进程中启动1个或多个executor线程，将构造好的task实例交给executor去运行（死循环调用spoult.nextTuple()或bolt.execute()方法）；
+2. 向zookeeper写入心跳 ；
+3. 维持传输队列，发送tuple到其他的worker ；
+4. 若进程退出，立即在本机重启，则不影响集群运行。 
+
+### 2.5 executor线程
+
+storm集群的任务执行者 ，循环执行task代码。
+
+1. 执行1个或多个task（每个task对应spout或bolt的1个并行度），将输出加入到worker里的tuple队列 ；
+2. 执行storm内部线程acker，负责发送消息处理状态给对应spoult所在的worker。
+
+
+
+### 2.6 并行度
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/relationships-worker-processes-executors-tasks.png"/> </div>
+
+1个worker进程执行的是1个topology的子集（注：不会出现1个worker为多个topology服务）。1个worker进程会启动1个或多个executor线程来执行1个topology的component(spout或bolt)。因此1个运行中的topology就是由集群中多台物理机上的多个worker进程组成的。
+
+executor是1个被worker进程启动的单独线程。每个executor会运行1个component(spout或bolt)的中的一个或者多个task。
+
+task是最终运行spout或bolt中代码的单元。topology启动后，1个component(spout或bolt)的task数目是固定不变的，但该component使用的executor线程数可以动态调整（例如：1个executor线程可以执行该component的1个或多个task实例）。这意味着，对于1个component：`#threads<=#tasks`（即：线程数小于等于task数目）这样的情况是存在的。默认情况下task的数目等于executor线程数目，即1个executor线程只运行1个task。  
+
+**默认情况下**：
+
++ 每个worker进程默认启动一个executor线程
++ 每个executor默认启动一个task线程
+
+
+
+## 三、Linux下Storm单机版本环境搭建
+
+
+
+## 四、storm词频统计案例
+
+
+
+
+
+## 参考资料
+
+1. [storm documentation -> Concepts](http://storm.apache.org/releases/1.2.2/Concepts.html)
+
+2. [Internal Working of Apache Storm](https://www.spritle.com/blogs/2016/04/04/apache-storm/)
+3. [Understanding the Parallelism of a Storm Topology](http://storm.apache.org/releases/1.2.2/Understanding-the-parallelism-of-a-Storm-topology.html)
+4. [Storm nimbus 单节点宕机的处理](https://blog.csdn.net/daiyutage/article/details/52049519)
+

notes/installation/Linux下Python安装.md

@@ -0,0 +1,71 @@
+## Linux下Python安装
+
+>**系统环境**：centos 7.6
+>
+>**Python版本**：Python-3.6.8
+
+### 1.环境依赖
+
+Python3.x的安装需要需要这四个依赖：gcc， zlib, zlib-devel, openssl-devel，这四个软件需要先进行安装
+
+```shell
+yum install gcc -y
+yum install zlib -y
+yum install zlib-devel -y
+yum install openssl-devel -y
+```
+
+### 2.下载编译
+
+官方下载地址： https://www.python.org/downloads/
+
+```shell
+# wget https://www.python.org/ftp/python/3.6.8/Python-3.6.8.tgz
+```
+
+### 3.解压编译
+
+```shell
+# tar -zxvf Python-3.6.8.tgz
+```
+
+进入解压后目录进行编译，可以指定编译安装的路径，这里我们指定为`/usr/app/python3.6`
+
+```shell
+# cd Python-3.6.8
+# ./configure --prefix=/usr/app/python3.6
+# make && make install
+```
+
+### 4.环境变量配置
+
+```shell
+vim  /etc/profile
+```
+
+```shell
+export PYTHON_HOME=/usr/app/python3.6
+export  PATH=${PYTHON_HOME}/bin:$PATH
+```
+
+使得环境变量立即生效：
+
+```shell
+source /etc/profile
+```
+
+### 5.验证安装是否成功
+
+输入python3命令，如果能进入python交互环境，则代表安装成功
+
+```shell
+[root@hadoop001 app]# python3
+Python 3.6.8 (default, Mar 29 2019, 10:17:41)
+[GCC 4.8.5 20150623 (Red Hat 4.8.5-36)] on linux
+Type "help", "copyright", "credits" or "license" for more information.
+>>> 1+1
+2
+>>> exit()
+[root@hadoop001 app]#
+```
+

notes/installation/Spark单机版本环境搭建.md

@@ -4,7 +4,6 @@
 
 >**系统环境**：centos 7.6
 >
->**Spark版本**：spark-2.2.3-bin-hadoop2.6
 
 
 

notes/installation/Storm单机版本环境搭建.md

@@ -0,0 +1,102 @@
+# Storm单机版本环境搭建
+
+
+
+>**storm版本**：1.2.2
+
+
+
+<nav>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#1安装环境要求">1.安装环境要求</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#2下载并解压">2.下载并解压</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#3配置环境变量">3.配置环境变量</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#4启动相关进程">4.启动相关进程</a><br/>
+&nbsp;&nbsp;&nbsp;&nbsp;<a href="#5验证是否启动成功">5.验证是否启动成功</a><br/>
+</nav>
+### 1.安装环境要求
+
+按照[官方文档](http://storm.apache.org/releases/1.2.2/Setting-up-a-Storm-cluster.html)的要求：
+
+> you need to install Storm's dependencies on Nimbus and the worker machines. These are:
+>
+> 1. Java 7+ (Apache Storm 1.x is tested through travis ci against both java 7 and java 8 JDKs)
+> 2. Python 2.6.6 (Python 3.x should work too, but is not tested as part of our CI enviornment)
+
+storm 运行依赖于Java 7+ 和 Python 2.6.6 +，所以需要先安装以上两个软件。
+
+ 由于以上两个软件在多个环境中都有依赖，其安装步骤单独整理至:
+
++ [Linux环境下JDK安装](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Linux下JDK安装.md)
+
++ [Linux环境下Python安装](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Linux下Python安装.md)
+
+  
+
+### 2.下载并解压
+
+官方下载地址：http://storm.apache.org/downloads.html
+
+下载后进行解压：
+
+```shell
+# tar -zxvf apache-storm-1.2.2.tar.gz
+```
+
+
+
+### 3.配置环境变量
+
+```shell
+# vim /etc/profile
+```
+
+添加环境变量：
+
+```shell
+export STORM_HOME=/usr/app/apache-storm-1.2.2
+export PATH=$STORM_HOME/bin:$PATH
+```
+
+使得配置的环境变量生效：
+
+```shell
+# source /etc/profile
+```
+
+
+
+### 4.启动相关进程
+
+因为要启动多个进程，所以这里我们统一用后台进程的方式启动
+
+```shell
+# 启动zookeeper
+nohup sh storm dev-zookeeper &
+# 启动主节点 nimbus
+nohup sh storm nimbus &
+# 启动从节点 supervisor 
+nohup sh storm supervisor &
+# 启动UI界面 ui  
+nohup sh storm ui &
+# 启动日志查看服务 logviewer 
+nohup sh storm logviewer &
+```
+
+
+
+### 5.验证是否启动成功
+
+验证方式一：jps 查看进程
+
+```shell
+[root@hadoop001 app]# jps
+1074 nimbus
+1283 Supervisor
+620 dev_zookeeper
+1485 core
+9630 logviewer
+```
+
+验证方式二： 访问8080端口，查看Web-UI界面
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/storm-web-ui.png"/> </div>

notes/linux下大数据常用软件安装指南.md

@@ -1,26 +1,31 @@
 ## 大数据环境搭建指南
 
+### 一、基础软件安装
 
-
-## 一、JDK
-
-1. [Linux环境下JDK的安装](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/JDK安装.md)
+1. [Linux环境下JDK安装](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Linux下JDK安装.md)
+2. [Linux环境下Python安装](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Linux下Python安装.md)
 
 
 
-## 二、Hadoop
+### 二、Hadoop
 
-1. [Hadoop单机版本环境搭建](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/hadoop单机版本环境搭建.md)
+1. [Hadoop单机版本环境搭建](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Hadoop单机版本环境搭建.md)
 
 
 
-## 三、Spark
+### 三、Spark
 
 1. [Spark单机版本环境搭建](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Spark单机版本环境搭建.md)
 
 
 
-## 网络配置
+### 四、Storm
+
+1. [Storm单机版本环境搭建](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Storm单机版本环境搭建.md)
+
+
+
+### 五、Linux
 
 + [虚拟机静态IP配置](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/虚拟机静态IP配置.md)