1. 流式聚合
2. 批处理
3. BasicBolt
4. 内存中的缓存 + fields grouping的组合
5. 流式的top N计算
6. 使用TimeCacheMap来高效保存最近更新的数据的缓存
7. 分布式RPC：CoordinatedBolt和KeyedFairBolt

builder.setBolt("join", new MyJoiner(), parallelism).fieldsGrouping("1", new Fields("joinfield1", "joinfield2")).fieldsGrouping("2", new Fields("joinfield1", "joinfield2")).fieldsGrouping("3", new Fields("joinfield1", "joinfield2"));

内存中的缓存 + fields grouping组合（In-memory caching + fields grouping combo）

在Storm的bolt中保存一些缓存是很常见的。当你使用fields grouping来进行合并（combine）时，缓存变得特别有用。例如，假如你有一个bolt来把短链接转换成长链接（比如bit.ly，t.co之类）。你可以使用一个LRU缓存来维护短链接到长链接的映射关系来提高性能，防止同一个HTTP请求过于频繁。假设“urls”组件发射短链接，“expand”组件把短链接转换成长链接，并在内部维护一个缓存。看一下下面两段代码的不同之处：

builder.setBolt("expand", new ExpandUrl(), parallelism).shuffleGrouping(1);

builder.setBolt("expand", new ExpandUrl(), parallelism).fieldsGrouping("urls", new Fields("url"));

第2种方式使用缓存的效率比第1种要高得多，因为同样的URL始终会被发送到同一个task。这样会避免一个缓存会存在于多个task中，同时也能提高缓存的命中率（hit rate）。

流式Top N计算（Streaming top N）

Storm有一种常见的模式称为持续计算，Storm中的流式Top N计算正属于这个模式。假如你有一个bolt发射["value","count"]这种形式的tuple，并且有一个bolt来根据计数来发射top N的tuple。最简单的方式是有一个bolt在数据流上做一个global grouping，并维护一个top N的列表。

这种方式很明显对于数据量大的流没有扩展性，因为所有的流数据都会被发到同一个task。一种更好的方法是在多台机器上并行计算这个流中的一部分的top N，并且还有一个bolt来合并每一部分的top N中间计算结果，最终算出最后的top N（MR思想），这种模式看起来像是这样的：

builder.setBolt("rank", new RankObjects(), parallellism).fieldsGrouping("objects", new Fields("value"));
builder.setBolt("merge", new MergeObjects()).globalGrouping("rank");

这种模式可以工作，是由于第一个bolt做了fields grouping使得这种并行算法的语意正确。

你可以在storm-starter项目中找到一个示例程序here。

使用TimeCacheMap来高效保存最近更新的数据的缓存（TimeCacheMap for efficiently keeping a cache of things that have been recently updated）

你有时候想在内存中缓存最近活跃的对象，并想让那些一段时间内不活跃的对象自动过期。TimeCacheMap是一个高效的数据结构，适用于这样的需求。并提供了钩子（hook），所以你可以添加回调函数，当一个对象过期会被自动调用。（关于TimeCacheMap为什么高效，可以看看这篇分析文章）

分布式RPC：CoordinatedBolt和KeyedFairBolt（CoordinatedBolt and KeyedFairBolt for Distributed RPC）

在Storm之上构建分布式RPC应用时，通常会使用2种通用的模式。它们被封装为CoordinatedBolt和KeyedFairBolt中，同时也是Storm的代码库中的标准库的一部分。

CoordinatedBolt 包装你的bolt，其中包含了你的逻辑，并且确定何时你的bolt收到某个特定的请求对应的所有请求。主要在direct stream中使用。

KeyedFairBolt 也是用于包装你的bolt，其中包含了你的逻辑，并且保证你的topology同时处理多个DRPC调用，而不是串行的一个个处理。

更多分布式RPC请参考Distributed RPC。