承接之前的博：亿级流量场景下，大型缓存架构的虚拟机环境搭建
续写本博客：
************** start：
接下来，我们是要讲解商品详情页缓存架构，缓存预热和解决方案，缓存预热可能导致整个系统崩溃的问题以及解决方案；
缓存--->热： 预热；热数据
解决方案中和架构设计中，会引入大数据的实时计算技术---> storm；
为什么引入这storm，必须是storm吗，我们后面面去讲解那个解决方案的时候再说；
为什么引入storm：
因为一些热点数据相关的一些实时处理方案，比如快速预热，热点数据的实时感知以及快速降级，都会用到storm，
因为我们可能需要实时的去计算出热点缓存数据，实时计算，亿级流量，高并发，大量的请求处理。这个时候你要做一些实时计算，
那么必须涉及到分布式一些技术，分布式技术才能处理高并发，大量的请求，目前在计算的领域，最成熟的大数据技术就是storm；storm分布式的大数据实时计算技术/系统；
java工程师跟storm之间的关系是什么呢？
大公司的java工程师都会用到一些大数据的技术：比如：storm，hbase，zookeeper，或者hive，spark等。
Storm： 实时缓存热点数据统计--->缓存预热，缓存热点数据自动降级；
Hive：Hadoop生态栈中做数据仓库的系统，高并发访问下，海量请求日志的批量统计分析，日报，月报，周报，接口调用情况等；比如有一些公司将海量的请求日志达到hive里边
做离线分析，然后反过来优化自己的系统。
Spark：离线批量数据处理，比如从DB中一次性批量处理几亿的数据，清洗和处理后写入Redis中提供后续系统使用；大型互联网公司的用户相关数据等。
zookeeper：分布式协调，分布式锁。分布式选举-->高可用HA架构，轻量级元数据存储。
HBase：海量数据的在线存储和简单查询，替代mysql的分库分表，提供更好的伸缩性。
