实时流计算的场景：业务系统根据实时的操作，不断生成事件（消息/调用），然后引起一系列的处理分析，这个过程是分散在多台计算机上并行完成的，看上去就像事件连续不断地流经多个计算节点处理，形成一个实时流计算系统。
市场上流计算产品有很多，主要是通过消息中枢结合工人模式实现的，大致过程如下：
1）开发者实现好流程输入输出节点逻辑，上传job到任务生产者。
2）任务生产者将任务发送到ZooKeeper，然后监控任务状态。
3）任务消费者从ZooKeeper上获取任务。
4）任务消费者启动多个工人进程，每个进程又启动多个线程执行任务。
5）工人之间通过zeroMQ交互。
我们也可以做一个简单的流计算系统，做法跟上面有些不同：
1）首先不过多依赖ZooKeerper，任务的分配最好直接给到工人，并能直接监控工人完成状态，这样效率会更高。
2）工人之间直接通信，不依赖zeroMQ转发。
3）并行管理扁平化，多进程下再分多线程意义不大，增加管理成本，实际上一台机器8个进程，每个进程再开8个线程，总体跟8～10个进程或者线程的效果差不多（数量视机器性能不同）。
4）做成一个流计算系统，而不是平台。
设计思路" style="background-image: none !important; box-shadow: none !important; border-color: rgb(166, 166, 166) !important;">：用工头去做任务生产和分配，用工人去做任务执行，为了达到流的效果，需要在工人里面调用工头的方式，将多个工人节点串起来，形成一个计算拓扑图。
下面程序演示了连续多个消息先发到一个工人节点A处理，然后再发到两个工人节点B并行处理的流计算过程，并且获取到最后处理结果打印输出（如果不需要获取结果可以直接返回）。
❏ StreamCtorA：工头A实现，它获取到线上工人A，然后将消息发给它处理，并轮循等待结果。工头A的main函数模拟了多个消息的连续调用。
❏ StreamWorkerA：工人A实现，它接收到工头A的消息进行处理，然后创建一个工头B，通过工头B将结果同时发给两个工人B处理，然后将结果返回工头A。
❏ StreamCtorB：工头B实现，它获取到线上两个工人B，调用doTaskBatch等待两个工人处理完成，然后返回结果给工人A。
❏ StreamWorkerB：工人B实现，它接收到任务消息后模拟处理后返回结果。
运行步骤（在本地模拟）如下：
1）启动ParkServerDemo（它的IP端口已经在配置文件指定）。
java -cp fourinone.jar; ParkServerDemo
2）启动工人A。
java -cp fourinone.jar; StreamWorkerA localhost 2008
3）启动两个工人B。
java -cp fourinone.jar; StreamWorkerB localhost 2009
java -cp fourinone.jar; StreamWorkerB localhost 2010
4）启动工头A。
java -cp fourinone.jar; StreamCtorA
多机部署说明" style="background-image: none !important; box-shadow: none !important; border-color: rgb(166, 166, 166) !important;">：StreamCtorA可以单独部署一台机器，StreamWorkerA和StreamCtorB部署一台机器，两个StreamWorkerB可以部署两台机器。
总结" style="background-image: none !important; box-shadow: none !important; border-color: rgb(166, 166, 166) !important;">：如何选择计算平台和计算系统。
如果我们只有几台机器，但是每天有人开发不同的流处理应用要在这几台机器上运行，我们需要一个计算平台来管理好job，让开发者按照规范配置好流程和运行时节点申请，打包成job上传，然后平台根据每个job配置动态分配资源依次执行每个job内容。
如果我们的几台机器只为一个流处理业务服务，比如实时营销，我们需要一个流计算系统，按照业务流程部署好计算节点即可，不需要运行多个job和动态分配资源。按照计算平台的方式做只会增加复杂性，开发者也不清楚每台机器上到底运行了什么逻辑。
如果你想实现一个计算平台，可以参考动态部署和进程管理功能。