Storm.exe - 应用程序错误

您好！出现:0x???????? 指令引用的0x????????内存。该内存不能为"read"或"written"。答案【shijan8原创】★严禁复制★

【1】对电脑没有影响或【偶尔】出现，不用管它，【重启电脑】后可能会自动消失。

【2】盗版系统或Ghost版本系统,系统文件错误或丢失，也会出现该问题，及时安装官方发行的补丁，{检查电脑年、月、日是否正确}。建议：安装【正版】系统。

【3】检查驱动是否出现问题，重新安装驱动或及时更新驱动。

【4】病毒引起的：升级杀毒软件或下载专杀工具，清理恶意插件，对电脑全盘杀毒。

【5】硬件引起的：

（1）可能是内存条出现的小问题，关机断电，把内存条拆下清理干净重新安装。必要时更换内存条。（硬件上一般不会出现该问题）

【6】软件引起的：

（1）安装的软件与系统或其它软件发生冲突，盗版或带病毒的软件，请慎重下载软件，最好使用正版。【这里主要说的是检查开机启动项，把没必要启动的启动项禁止开机启动】

（2）如果你的电脑中安装了两款或两款以上的同类软件，比如:两款杀毒软件、两款优化系统软件等，请卸载一款备租，以免发生冲突，以保持电脑稳定性。

（3）有些系统补丁下载安装了错误补丁，可能与您当前的系统或其它软件发生冲突，也会出现该问题。卸载该补丁，找到适合您电脑补丁，重新下载重新安装。

（4）当安装或打开运行播放器、游戏、QQ等第三方软件，出现该问题时。可能是您下载的软件存在着毁磨危险，系统本身为了保护系统不受影响，也会出现该内存不能为“read”或“wrtten”。一般的解决办法就是卸载该纤滚斗软件重新安装。如果不能解决，需要更换同类型其它版本的软件，或找到发生冲突的软件卸载它，问题才能解决。

可以试试下面的方法：看看能不能解决。

◆开始→运行→输入cmd→回车，在命令提示符下输入下面命令

for %1 in (%windir%\system32\*.dll) do regsvr32.exe /s %1回车。

完成后，在输入下面的

for %i in (%windir%\system32\*.ocx) do regsvr32.exe /s %i 回车。

如果怕输入错误，可以复制这两条指令，然后在命令提示符后击鼠标右键，打“粘贴”，回车，耐心等待，直到屏幕滚动停止为止。（重启电脑）。

●在检查运行regedit进入注册表, 在HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows\CurrentVersion\Explorer\ShellExecuteHooks 下，应该只有一个正常的键值{AEB6717E-7E19-11d0-97EE-00C04FD91972}, 将其他的删除。【如果还有一个（默认）值不用管它，一般它为空。】必要时【还原】或重新安装系统。

Storm优势就在于Storm是实时的连续性的分布式的计算框架,一旦运行起来,除非你将它杀掉,否则它一直处理计算或等待计算的状态.Spark和hadoop都做不到.

当然它们各自都有其应用场景,各有各的优势.可以配合使用.

下面我转一份别人的资料,讲的很清楚.

Storm与Spark、Hadoop这三种框架，各有各的优点，每个框架都有自己的最佳应用场景。

所以，在不同的应用场景下，应该选择不同的框架。

Storm是最佳的流式计算框架，Storm由Java和Clojure写成，Storm的优点是全内存计算，所以它的定位是分布式实时计算系统，按照Storm作者的说法，Storm对于实时计算的意义类似于Hadoop对于批处理的意义。

Storm的适用场景：

1）流数据处理

Storm可以用来处理源源不断流进来的消息，处理之后将结果写入到某个存储中去。

2）分布式RPC。由于Storm的处理组件是分布式的，而且处理延迟极低，所以可以作为一个通用的分布式RPC框架来使用。

SparkSpark

是一个基于内存计算的开源集群计算系统，目的是更快速的进行数据分析。Spark由加州伯克利大学AMP实验室Matei为主的小团队使用Scala开发

开发，类似于Hadoop MapReduce的通用并行计算框架，Spark基于Map Reduce算法实现的分布式计算，拥有Hadoop

MapReduce所具有的优点，但不同于MapReduce的是Job中此态间输出和结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更

好地适用于数据挖掘与机器学习等需要迭代的Map Reduce的算法。

Spark的适用场景：

1）多次 *** 森橘源作特定数据集的应用场合

Spark是基于内存的迭代计算框架，适用于需要多次 *** 作特定数据集的应用场合。需要反复 *** 作的次数越多，所需读取的数据量越大，受益越大伍枯，数据量小但是计算密集度较大的场合，受益就相对较小。

2）粗粒度更新状态的应用

由于RDD的特性，Spark不适用那种异步细粒度更新状态的应用，例如Web服务的存储或者是增量的Web爬虫和索引。就是对于那种增量修改的应用模型不适合。

总的来说Spark的适用面比较广泛且比较通用。

Hadoop是实现了MapReduce的思想，将数据切片计算来处理大量的离线数据数据。Hadoop处理的数据必须是已经存放在HDFS上或者类似HBase的数据库中，所以Hadoop实现的时候是通过移动计算到这些存放数据的机器上来提高效率。

Hadoop的适用场景：

1）海量数据的离线分析处理

2）大规模Web信息搜索

3）数据密集型并行计算

简单来说：

Hadoop适合于离线的批量数据处理适用于对实时性要求极低的场景

Storm适合于实时流数据处理，实时性方面做得极好

Spark是内存分布式计算框架，试图吞并Hadoop的Map-Reduce批处理框架和Storm的流处理框架，但是Spark已经做得很不错了，批处理方面性能优于Map-Reduce，但是流处理目前还是弱于Storm，产品仍在改进之中

---