一、storm ui显示异常，例如内容显示不完整。由于发布版本存在js异常，从github上获取最新代码修复bug。

二、kafka与storm整合后性能提升，kafka在设计时，为了增加并发访问及处理性能，在topic中加入了partitions属性，也就是将数据打散，提高并发与处理性能。由于队列信息offset是在客户端维护，storm 中kafkaspout在解决并发互斥时采用task（可以理解成进行队列读取的类实例）与partitions一一对应的方式来解决互斥访问。topology在使用时，kafkaspout的并发度可以根据具体topic的partitions属性来设定。这样通过增加topic partitions和并发度，达到了预期的处理性能。 三、storm安装部署之前，需要配置hosts文件，保证机器名与ip对应关系正确。 四、topology在分配时应根据硬件配置来选取合适的task、worker数量，防止系统负载过重，可使用top对系统内存、cpu占比、load average等参数进行监控。 五、日志出现zk timeout异常时，排查storm进程内存占用资源，内存溢出会导致出现此类异常。GC方式建议使用Concurrent Mark Sweep GC方式。 六、日志无异常，storm ui中spout存在fail消息。问题原因，消息处理时间超过系统默认的超时时间（30s），可通过参数topology.enable.message.timeouts进行配置。 七、如发现storm进程内存占用过高，可排查一下外围系统，看是否由于其他中间件处理性能（例如db入库瓶颈）导致。 八、storm进程内存old区增速过快，gc触发频繁，可通过内存分析先确定性能瓶颈点，如集群处理能力不足，可以考虑在topology中设置topology.max.spout.pending来进行message限制。