实时计算与流式数据处理为实时推荐、实时热度统计、股票实时交易等业务应用提供了有效手段。Storm实时计算框架是开源的分布式实时计算系统,具备高可扩展性、高可容错性和高效性等特点,得到了较多关注。论文研读了Storm相关源代码,着重剖析了Storm框架的体系结构、Storm集群中各组件及其运行机制。在此基础上,论文完成了以下主要工作:首先,针对Storm中现有反压机制会产生数据流震荡,降低系统吞吐量和性能问题,提出了一种能够灵活调节Topology中各环节数据负载的反压机制,该机制采用可变队列,并根据当前Tuple负载动态调整队列大小,以适应数据负载的动态变化,并提升系统吞吐量。实验结果表明该反压机制能够避免反压过程中出现数据流的震荡,同时提高系统性能和稳定性。其次,针对反压机制在出现过载后才进行滞后处理,从而造成计算时延问题,提出了数据流预测的预反压策略。该策略根据当前数据流的自相似特性,进行数据流预测,并根据当前计算节点的计算能力采用预反压策略。实验结果表明该预测策略具备较好的精确度,可以降低Storm集群平均处理时延,提高系统吞吐量,从而提升系统性能。论文研究工作表明,对Storm反压机制的研究和改进,可以在一定程度上改善Storm运行过程中任务处理时的平均时延,并且可以有效提高Storm集群的吞吐量,从而提升Storm实时计算框架的整体性能。