本文示範如何在E-MapReduce上部署Storm叢集和Kafka叢集，并運作Storm作業消費Kafka資料。
這裡我選擇在杭州Region進行測試，版本選擇EMR-3.8.0，本次測試需要的元件版本有：
Kafka：2.11_1.0.0
Storm: 1.0.1
由于Zookeeper和Storm元件預設不是必選的，是以在建立叢集時需要記得勾選上，如下：
接着建立Kafka叢集，叢集類型選擇Kafka，如下：
注意：
如果使用經典網絡，請注意将Hadoop叢集和Kafka叢集放置在同一個安全組下面，這樣可以省去配置安全組，避免網絡不通的問題。
如果使用VPC網絡，請注意将Hadoop叢集和Kafka叢集放置在同一個VPC/VSwitch以及安全組下面，這樣同樣省去配置網路和安全組，避免網絡不通。
如果你熟悉ECS的網絡和安全組，可以按需配置。
如果我們想在Storm上運作作業消費Kafka的話，叢集初始環境下是會失敗的，因為Storm運作環境缺少了不少必須的依賴包，如下：
以上版本依賴包經過測試可用，如果你再測試過程中引入了其他依賴，也一同添加在Storm lib中，如下操作：
上述操作需要在Kafka叢集的每台機器執行一遍。執行完在E-MapReduce控制台重新開機Storm服務，如下：
檢視操作曆史，待Storm重新開機完畢：
E-MapReduce已經提供了現成的示例代碼，直接使用即可，位址如下：
我們一般隻要使用e-mapreduce-demo即可：
登入到Kafka叢集，按照如下步驟建立topic并準備一些資料：
以上指令在kafka叢集的emr-header-1節點執行，當然也可以用戶端機器上執行。
登入到Hadoop叢集，将第二步中編譯得到的examples-1.1-shaded.jar拷貝到叢集emr-header-1上，這裡我放在root根目錄下面。送出作業：
檢視叢集上服務的WebUI有2種方式：
再向kafka寫120條資料
檢視HDFS檔案輸出
至此，我們成功實作了在E-MapReduce上部署一套Storm叢集和一套Kafka叢集，并運作Storm作業消費Kafka資料。當然，E-MapReduce也支援Spark Streaming和Flink元件，同樣可以友善在Hadoop叢集上運作，處理Kafka資料。
有一點需要注意：由于E-MapReduce沒有單獨的Storm叢集類别，是以我們是建立的Hadoop叢集，并安裝了Storm元件。如果你在使用過程中用不到其他元件，可以很友善地在E-MapReduce管理控制台将那些元件停掉。這樣，可以将Hadoop叢集作為一個純粹的Storm叢集使用。