首先Streaming和Storm是同一個東西，Storm是開源版的，Streaming是華為基於開源Storm開發的增強版。
Streaming是一個分布式、實時計算框架。
如果你已經看過之前的文章可能會問，怎麼又是計算框架？之前已經介紹過了MapReduce(高吞吐量離線運算)、Spark（速度更快，支持實時運算）、Hive（支持SQL）。那又有什麼場景能用到Streaming呢？答案就是：實時運算場景。那Spark呢？Spark不是也可以實時運算嗎？那是因為人們對速度的追求是無止境的，Streaming比Spark速度更快。
Spark vs Streaming
Streaming適用於對響應時間有嚴格要求的場景，通常為毫秒級。
Spark 適用於對響應時間要求不高的場景，通常為秒級。
Streaming特點
實時響應，低延遲。數據不存儲，先計算。連續查詢。 事件驅動。Streaming應用場景
實時分析：如實時日誌處理、交通流量分析等。 實時統計：如網站的實時訪問統計、排序等。實時推薦：如實時廣告定位、事件營銷等。所以判斷Streaming的應用場景很簡單就是實時，強調處理速度的場景就可以考慮Streaming。
比如金融相關行業：
系統架構
Client：客戶端向Nimbus提交業務拓撲。
Nimbus：負責接收客戶端提交任務，並在集群中分發任務給Supervisor；同時監聽狀態等。
Supervisor：負責監聽並接受Nimbus分配的任務，根據需要啟動和停止屬於自己管理的Worker進程。
Worker：進程是運行具體處理組件邏輯的進程。每個Worker是一個JVM進程。其中，每個exacutor為一個線程，處理具體業務邏輯。
ZooKeeper：為服務中各進程提供分布式協作服務。Nimbus、Supervisor、Worker將自己的信息註冊到ZooKeeper中，Nimbus據此感知各個角色的健康狀態。
關鍵特性介紹
Nimbus HA：通過主備模式，使用ZooKeeper分布式鎖，實現主備切換，保證高可靠性。
容災能力：節點失效，自動遷移到正常節點，業務不中斷。
消息可靠性：
如果並不要求每個消息必須被處理（允許在處理過程中丟失一些信息），那麼可以關閉消息的可靠處理機制，從而可以獲取較好的性能。