请说明在 Apache Storm 中，当集群需要扩容或出现负载不均时，通常采用哪些处理手段？其中有哪些机制可以实现自动化？

回答思路

1. 【回答框架 1】Storm 集群扩展主要依赖 Nimbus 与 Supervisor 的协调：新增 Supervisor 节点并配置相同 ZooKeeper 集群后，Nimbus 会自动发现新节点并分配任务，无需重启集群。
2. 【回答框架 2】负载均衡方面，Storm 默认通过 rebalance 命令手动触发，该命令会重新分配 Executor 到各 Supervisor，并支持指定等待时间以平滑迁移。
3. 【回答框架 3】自动化机制包括：使用 Storm 的自动重平衡插件（如 yahoo 的 storm-autorebalance），基于拓扑负载指标（如 CPU、内存、吞吐）动态调整 Executor 数量或触发 rebalance。
4. 【回答框架 4】此外，可通过外部编排工具（如 Kubernetes 的 HPA）监控 Supervisor 资源使用率，自动扩缩容节点，但需注意状态同步与数据迁移成本。
5. 【回答框架 5】扩展时需考虑 ZooKeeper 的承载能力，以及拓扑的并行度设置（如 spout/bolt 的 parallelism hint），否则单纯增加节点可能无法提升吞吐。
6. 【关键点 1】新增 Supervisor 节点后，Nimbus 自动发现并分配任务，无需重启集群。
7. 【关键点 2】手动 rebalance 命令可重新分配 Executor，支持平滑迁移。
8. 【关键点 3】自动化可通过 storm-autorebalance 插件或外部 HPA 实现，基于资源指标动态调整。
9. 【关键点 4】扩展效果受拓扑并行度限制，需同步调整 parallelism hint。
10. 【关键点 5】ZooKeeper 是协调核心，需保证其高可用与容量。
11. 【易错点 1】不能将节点扩容等同于吞吐线性提升，需检查并行度与数据分区是否匹配。
12. 【易错点 2】自动重平衡可能引起短暂延迟或数据重复，需设置合理的等待时间与容错机制。
13. 【易错点 3】盲目依赖外部 HPA 扩缩容可能忽略 Storm 内部状态（如 acker 元数据），导致拓扑不稳定。