在 Apache Storm 集群里，网络通信性能通常受哪些因素制约？针对这些瓶颈，业界普遍采用哪些优化策略来降低传输开销并提升吞吐？
考察说明
考查对 Storm 网络通信链路（spout 到 bolt、worker 到 worker）的理解及常见优化手段。
回答思路
- 【回答框架 1】Storm 网络通信发生在 worker 之间，默认使用 Netty 传输，瓶颈通常来自序列化开销、网络带宽和系统默认参数。核心优化思路是减少数据量、压缩传输、调整并行度和缓冲区。
- 【回答框架 2】常见策略包括：启用 Kryo 序列化代替默认 Java 序列化，并注册自定义类型以减少类型信息开销；对大数据字段使用压缩（如 LZ4）但需权衡 CPU 与带宽。
- 【回答框架 3】调整 worker 数和 task 数，使数据以本地分组为主，减少跨节点传输；使用 fieldsGrouping 时按关键字段分区，降低网络负载。
- 【回答框架 4】调整 Netty 相关参数，如 buffer 大小（如 Netty 发送和接收缓冲区）、maxPending 请求数，以及 worker 的 socket 缓冲区，减少小包频繁发送。
- 【回答框架 5】结合监控工具（如 Ganglia）定位热点节点，在保证消息可靠性下适当调高并行度或重负载均衡。核心权衡是 CPU 压缩开销、内存缓冲区与延迟。
- 【关键点 1】Kryo 序列化可显著降低序列化体积和延迟。
- 【关键点 2】局域网低延迟下优先减少网络包次数，增大 batch 和 buffer。
- 【关键点 3】本地分组（localOrShuffle）可避免不必要的网络传送。
- 【关键点 4】调整 Netty 缓冲区与 pending 限制平衡吞吐和内存。
- 【关键点 5】压测时关注 GC 与线程阻塞，避免只调单一参数。
- 【易错点 1】盲目加大并行度可能导致跨节点传输剧增，反而降低性能。
- 【易错点 2】开启压缩不是万能，数据量小而 CPU 繁忙时开销更大。
- 【易错点 3】Netty 缓冲区过大在内存受限时导致 OOM，应结合 worker 堆设置。