问题：
由于数据源产生数据的速度不可预测，所以流处理系统对动态性要求很高、需要适应能力。
本文方法
采用两种机制来扩展运行时的动态适应性： automatic elasticity and stateful migration
1.自动弹性：
在框架层面：实现了扩展决策，即它允许根据扩展策略自动调整每个应用的运算符的并行实例数量，本文提出一个简单的基于阈值的策略（根据传入的工作负载弹性地改变每个运算符的并行实例数量）。
由于框架层面实现了弹性，storm可以与底层的扩展系统耦合，通过根据需要获取和释放计算节点来实现基础设施的弹性。
2.状态迁移：运算符内部状态在不同的节点上迁移，使得storm在运行时改变应用调度，而不影响信息的完整性。
知识：弹性（并行度）
1.数据从一个运算符到下一个运算符，这些都是长期运行的应用程序（拓扑），受到周期性或者不可预测的工作负载变化的影响，可以利用数据并行来处理大量数据。包括增加或者减少运算符的并行实例数量，使得每个实例都能并行处理传入数据的子集。
2.storm没有提供自动扩展能力，只支持静态或者手动定义运算符的并行度。
设计：
引入的新组件，即ElasticityManager（负责缩放策略来改变运算符的并行度，即增减executor数量，在调度器之前执行）、 MigrationNotifier（调度器之后执行，通知调度后改变位置的执行器里面的任务来启动迁移（调度完得改变executor里的任务转移到新的executor中）有状态运算符需要保存状态）和分布式数据存储（DDS）（本地dds用来迁移任务在终止执行前保存内部状态，减少网络迁移开销）
弹性：
