云計算與大數(shù)據(jù)技術(shù)課后習(xí)題

1、第一章云計算與大數(shù)據(jù)基礎(chǔ)1.在信息產(chǎn)業(yè)的發(fā)展歷程中。硬件驅(qū)動力，網(wǎng)絡(luò)驅(qū)動力，作為兩個重要的內(nèi)在動力在不同的時期起著重要的作用25西摩克雷超級計算機(jī)之父約翰麥克錫云計算之父蒂姆伯納斯李萬維網(wǎng)發(fā)明人 A個網(wǎng)頁開發(fā)者吉姆格雷大數(shù)據(jù)之父6. MapReduce思想來源LISP語言7.按照資源封裝層次，云計算分為Iaas paas saas 三種8.教材 P2 1.1.210 .教材 P8 1.2.211 .教材 P10 1.2.3第二章云計算與大數(shù)據(jù)相關(guān)技術(shù)1.一致性hash算法原理:哈希算法是一種從稀疏值到緊密值范圍的映射方法，在存儲和計算定位時可以被看做 是一種路由算法。通過這種路與哦算法文件塊能

2、被唯一的定位到一個節(jié)點的位置。傳統(tǒng)的 hash算法容錯性和擴(kuò)展性都不好，無法有效的適應(yīng)面向數(shù)據(jù)系統(tǒng)節(jié)點的動態(tài)變化。意思就 是當(dāng)集群需要增加節(jié)點，傳統(tǒng)的hash算法不容易檢測到新增加的節(jié)點，此為擴(kuò)展性不好，而一致性hash算法增加一個節(jié)點只會影響增加的這個節(jié)點到前一個節(jié)點之間的數(shù)據(jù)。容錯 性就是如果不幸一個機(jī)器C宕機(jī)了，那么機(jī)器B和C之間的數(shù)據(jù)都會被 D執(zhí)行，那么受影響的數(shù)據(jù)只是機(jī)器 B和C之間的數(shù)據(jù)。當(dāng)然，容錯性和擴(kuò)展性對于節(jié)點數(shù)較多的集群是比較 有意義的，對于節(jié)點較少的集群似乎這兩個特性并沒有什么誘惑力。一致性hash的實際目的就是解決節(jié)點頻繁變化時的任務(wù)分配問題，一致性 hash將整 個h

3、ash值空間組織成一個虛擬圓環(huán)，我們這里假設(shè)某hash函數(shù)H值空間為0(2人32-1),即32位無符號整形。下面簡述一下一致性hash的原理：這是一致性hash的整個值空間0(2A32-1)下一步將各個服務(wù)器使用 Hash進(jìn)行一個哈希，具體可以選擇服務(wù)器的ip或主機(jī)名作為關(guān)鍵字進(jìn)行哈希，這樣每臺機(jī)器就能確定其在哈希環(huán)上的位置，假設(shè)使用四臺機(jī)器進(jìn)行hash ：Nudta AHash()Nodb D忖口曲RHash() Ha&IX )Hash()Mu 但 C |將數(shù)據(jù)key使用相同的函數(shù) Hash計算出哈希值，并確定此數(shù)據(jù)在環(huán)上的位置，從此位置沿環(huán)順時針“行走”，第一臺遇到的服務(wù)器就是其應(yīng)

4、該定位到的服務(wù)器。例如我們有 Object A、Object B、Object C、Object D 四個數(shù)據(jù)對象，經(jīng)過哈希計算后，在環(huán)空間上的位置如下:Node AHash()Hash( ) |It VHaBftQHash) IHash()NorlF C根據(jù)一致性哈希算法，數(shù)據(jù)A會被定為到 Node A上，B被定為到 Node B上，C被定為至ij Node C上,D被定為至ij Node D上卜面我們看看當(dāng)集群機(jī)器比較少的情況例如系統(tǒng)中只有兩臺服務(wù)器，其環(huán)分布如下,Node AHash()Tjode b此時必然造成大量數(shù)據(jù)集中到Node A上，而只有極少量會定位到Node B上。為了解決這

5、種數(shù)據(jù)傾斜問題，一致性哈希算法引入了虛擬節(jié)點機(jī)制，即對每一個服務(wù)節(jié)點計算多個哈希，每個計算結(jié)果位置都放置一個此服務(wù)節(jié)點，稱為虛擬節(jié)點。具體做法可以在服務(wù)器ip或主機(jī)名的后面增加編號來實現(xiàn)。例如上面的情況，可以為每臺服務(wù)器計算三個虛擬節(jié)點，于是可以分別計算“Node A#1"、“Node A#2'、"Node A#3、"Node B#1"、"Node B#2'、"Node B#3'的哈希值，于是形成六個虛擬節(jié)點：Node AftlHash( )1Hash()Hash。Hash()Node B#2Node A訂2H

6、ash(J|Node 23同時數(shù)據(jù)定位算法不變，只是多了一步虛擬節(jié)點到實際節(jié)點的映射，例如定位到“NodeA#1"、“Node A#2'、"Node A#3'三個虛擬節(jié)點的數(shù)據(jù)均定位到Node A上。這樣就解決了服務(wù)節(jié)點少時數(shù)據(jù)傾斜的問題。在實際應(yīng)用中，通常將虛擬節(jié)點數(shù)設(shè)置為 大，因此即使很少的服務(wù)節(jié)點也能做到相對均勻的數(shù)據(jù)分布。32甚至更2 .科學(xué)研究的四個范式：觀測實驗、理論、計算仿真、數(shù)據(jù)3 .物聯(lián)網(wǎng)產(chǎn)業(yè)鏈分為：標(biāo)識，感知，處理，信息傳送4 .非關(guān)系型數(shù)據(jù)庫分為: Column-Oriented面向檢索的列式存儲，其存儲結(jié)構(gòu)為列式結(jié)構(gòu)如:Google

7、的 big tableapache 的 hbase(2) Key-Value面向高性能的并發(fā)讀/寫的緩存存儲，結(jié)構(gòu)類似于 Hash表（hash算法真的要好好學(xué)，用的地方太多了，性能的確也是最高的）,每個key分別對應(yīng)一個value ,這種數(shù)據(jù)庫適合用來作為緩存系統(tǒng)使用，比如:MemcacheDB Berkeley DB ,redisflare(3) Document-Oriented面向海量數(shù)據(jù)訪問的文檔存儲，這類存儲類似key-value形式，只是value主要以JSON或者XML等格式進(jìn)行存儲，比如 ：mongoDB,CouchDB第三章虛擬化技術(shù)1 .Popek和Goldberg指出：虛

8、擬機(jī)具有同一性，高效性，可控性2 .虛擬化技術(shù)從計算機(jī)體系結(jié)構(gòu)層次上可分為以下5類：指令集架構(gòu)級虛擬化，硬件抽象層虛擬化，操作系統(tǒng)層虛擬化，編程語言上的虛擬化，庫函數(shù)虛擬化3 .常用的虛擬化軟件系統(tǒng)有VirtualBox , VMware Workstation , KVM4 .系統(tǒng)虛擬化具有 硬件無關(guān)性，隔離性，多實例，特權(quán)功能等優(yōu)點。5 .系統(tǒng)虛擬化可分為服務(wù)器虛擬化桌面虛擬化網(wǎng)絡(luò)虛擬化6 .服務(wù)器虛擬化按照虛擬化的部分可分為CPU虛擬化，內(nèi)存虛擬化，I/O虛擬化7 .什么是廣義虛擬化技術(shù)：答：虛擬化技術(shù)是一種邏輯簡化技術(shù)，實現(xiàn)物理層向邏輯層的變化，對物理層運動復(fù)雜性的屏蔽，是系統(tǒng)對外運動

9、呈現(xiàn)出簡單的邏輯運行狀態(tài)8虛擬化技術(shù)有哪些優(yōu)勢劣勢？優(yōu)勢：1.虛擬化技術(shù)可提高資源利用率8 .提供相互隔離，高效的應(yīng)用執(zhí)行環(huán)境9 .虛擬化可以簡化資源和資源管理10 虛擬化實現(xiàn)軟件和硬件的分離劣勢1.可能會使物理計算機(jī)負(fù)載過重11 升級和維護(hù)引起的安全問題12 物理計算機(jī)的影響第四章集群系統(tǒng)基礎(chǔ)1 .云計算領(lǐng)域存在兩個主要技術(shù)路線，一個是基于集群技術(shù)的云計算資源整合技術(shù)，一個是基于虛擬機(jī)的云計算資源切分技術(shù)2 .集群的設(shè)計要考慮 5個關(guān)鍵的問題是可用性單一系統(tǒng)映像作業(yè)管理并行文件系統(tǒng)高 效通信3 .傳統(tǒng)的集群系統(tǒng)可以分為高可用性系統(tǒng)負(fù)載均衡高性能虛擬化4類。4簡述Beowulf系統(tǒng)的主要特點答

10、：1 Beowulf系統(tǒng)通常由一個管理節(jié)點和多個計算節(jié)點構(gòu)成2 Beowulf系統(tǒng)通常用最常見的硬件設(shè)備組成3 Beowulf系統(tǒng)同城采用哪些廉價且廣為傳播的軟件5 Lustre 存儲系統(tǒng)的組成有 MDS, MDT, OSS, OST, Client6 .簡述面向計算分布式系統(tǒng)，混合分布式系統(tǒng)，面向數(shù)據(jù)的分布式系統(tǒng)的實現(xiàn)機(jī)制， 分析三 種系統(tǒng)的區(qū)別.面向計算分布式系統(tǒng)：P59 4.6.1混合型分布式系統(tǒng)：P60 4.6.2面向數(shù)據(jù)的分布式系統(tǒng)：P61 4.6.3分析區(qū)別：P64表4.2 3中分布式系統(tǒng)的對比第五章MPI-面向計算的高性能集群技術(shù)1,什么是MPIMPI( Message Pass

11、ing Interface )消息傳遞接口。它本身不是一個具體的實現(xiàn)，而只是一 種標(biāo)準(zhǔn)描述。2, MPI支持FORTRAN77、C、Fortran90 、C+等語言的調(diào)用，能滿足大多數(shù)科學(xué)計算的應(yīng)用需要。3,簡述MPICH行環(huán)境建立的主要步驟。(1) .配置好NFS服務(wù)，實現(xiàn)所有節(jié)點對主節(jié)點指定文件夾的共享，該文件夾為MPICH的安裝位置，數(shù)據(jù)和程序的存儲位置，這樣就可以避免在每個節(jié)點安裝MPICH啟動計算時也可以避免每次向各個節(jié)點分發(fā)程序。(2) .配置好各個節(jié)點間的互信，這一步就是實現(xiàn)集群內(nèi)部個節(jié)點間無密碼訪問，因為MPICH在計算時需要在各節(jié)點進(jìn)行數(shù)據(jù)交換，集群內(nèi)的節(jié)點應(yīng)用相互信任的節(jié)點

12、。(3) .編譯安裝配置 MPICH(4) 手配置 MPI節(jié)點間的ssh無密碼訪問。(1)生成私鑰id_dsa和公鑰id_dsa.pub(2)將該密鑰用作認(rèn)證，進(jìn)行訪問授權(quán)。(3)將-/.ssh目錄下的文件復(fù)制到所有節(jié)點。(4)檢查是否可以直接(不需要密碼)登錄其他節(jié)點。5,簡述基于蒙特卡羅思想求兀值的編程方法，并編寫用MPI程序。蒙特卡羅方法，又稱為隨機(jī)抽樣或統(tǒng)計試驗方法。代碼在 Page 83 -84第六章Hadoop-分布式大數(shù)據(jù)系統(tǒng)1 .谷歌三寶： mapreduce, bigtable , gfs2 .gfs的工作過程:p933 .HDFS分塊策略：p95第七章HPCC-面向數(shù)據(jù)的高

13、性能計算集群系統(tǒng)1,簡述HPCC勺主要特點。(1) 強(qiáng)大靈活的ECL語言，顯著提升了程序員編程的效率。(2) HPCC(統(tǒng)提供的Roxie集群提供了高效的在線查詢和分析服務(wù)。(3) ECL程序首先編譯為優(yōu)化的C+,高速性能得到保證。(4) 高效的錯誤恢復(fù)和冗余備份機(jī)制。(5) 穩(wěn)定和可靠的系統(tǒng)。(6) 相對于其他平臺，在較低的系統(tǒng)消耗上實現(xiàn)了更高的性能。2,高性能計算目前可以分為兩類：一類是面向 計算的高性能計算，另一類是面向數(shù)見的高性能計算。3,數(shù)據(jù)密集型集群計算系統(tǒng)主要有Hadoop HPCC Storm Apache Drill Rapid Miner Pentaho4,HPCC系統(tǒng)從總體物理上可以看作在同一個集群上部署了Thor(數(shù)據(jù)加工處理平臺)、Roxie(數(shù)據(jù)查詢、分析和數(shù)據(jù)倉庫)兩套集群計算系統(tǒng)。5, HPCC勺系統(tǒng)服務(wù)器包含 ECL服務(wù)器、Dali服務(wù)器、Sasha服務(wù)器、DFU服務(wù)器ESP服務(wù)器6,簡述HPCCF臺數(shù)據(jù)檢索任務(wù)的執(zhí)行過程。(1)加載原始數(shù)據(jù)(2)切分、分發(fā)待處理的數(shù)據(jù)(3)分發(fā)后原始數(shù)據(jù)的 ETL處理(4)向Roxie集群發(fā)布Page 117-1187,熟悉HPCC