过去的十年是数据处理变革的十年，海量的数据对业界的工程师们提出了巨大的挑战，大数据处理、存储技术应运而生。MapReduce、HDFS等相关技术使得前所未有的大规模数据存储和处理变成可能。但这些处理数据的技术并非为实时处理大数据而设计。随着业务的快速变化、商业模式的不断创新、用户体验个性化、实时化需求的日益突出，海量数据实时处理在商业方面的需求越来大，“实时Hadoop”方面的空缺已经成为大数据处理生态系统中最大的漏洞。而Twitter公司开源的分布式、容错的实时流计算系统Storm则正好填补了该空白。如何运用实时的、分布式的数据流处理框架Storm来提高系统的性能和数据处理的效率，是本论文要探究的问题。本文以研究生期间参与的研究项目“一找微博互动平台”作为研究对象，深入了解和分析系统存在的数据处理耗时长、资源利用率低等问题。论文使用软件工程的方法，运用迭代式敏捷开发过程和面向对象分析设计等技术，从需求分析、概要设计、详细设计到系统的具体实现和部署等环节进行描述，并介绍了系统的设计与实现过程中运用的各种技术和方法，设计和实现了一个基于Storm的实时数据分析处理系统。最后通过实验，对Storm实现的数据处理系统进行性能测试和水平扩展性测试。根据实验结果和实际应用效果，基于Storm实现的数据分析处理系统，相比基于传统方案实现的数据分析处理系统在效率、实时性、可伸缩性和可用性方面都更具优势。