大数据流式处理作为新的容错、分布式的实时计算系统,其主要体现在分布式远程的调用、实时分析、在线机器学习、持续计算以及数据的抽取、转换和加载等领域,高效、简单的操作使之深受广大群众的追捧。Apache Storm作为大数据流式处理的主要平台之一,存在着高能耗的问题,其节能的策略还有待提高。因此,无论从降低大数据处理的运营成本,还是从降低能耗保护环境方面,研究Apache Storm平台的节能策略都有着广泛的应用前景。由于Apache Storm平台处理数据时缺乏对能耗问题的考虑,导致其数据处理过程产生的高能耗问题亟需解决。针对这一问题,本文首先根据数据流处理的特点与Storm集群的结构,建立有向无环图、实例并行度、任务资源分配与关键路径模型。然后结合拓扑执行关键路径与系统性能的分析,提出一种Storm平台的内存电压阈值调控节能策略(Energy-efficient Strategy by DRAM Voltage Threshold Regulation in Storm,DVTR-Storm),该策略针对是否有工作节点位于拓扑执行的非关键路径上设计了两种节能算法。其中,当存在工作节点位于拓扑执行非关键路径上时,利用非关键路径节能算法,在不改变拓扑执行关键路径的前提下,通过降低拓扑执行非关键路径上工作节点的内存电压来达到节能的目的;当不存在工作节点位于拓扑执行非关键路径上时,利用关键路径节能算法,在对系统性能与能耗进行评估的前提下,通过降低拓扑执行关键路径上工作节点的内存电压来达到节能的目的。最后,根据系统数据处理及传输的制约条件确定工作节点CPU使用率与数据传输量的阈值,并对选定的工作节点内存电压做出动态调整。实验结果表明:非关键路径节能算法使系统能耗降低了28.5%,关键路径节能算法使系统能耗降低了35.1%,并且Storm集群数据处理及传输的制约条件越小节能效率越高。