云計(jì)算與大數(shù)據(jù)技術(shù)課后習(xí)題

1、第一章云計(jì)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(dòng)力，網(wǎng)絡(luò)驅(qū)動(dòng)力，作為兩個(gè)重要的內(nèi)在動(dòng)力在不同的時(shí)期起著重要的作用25西摩克雷超級(jí)計(jì)算機(jī)之父約翰麥克錫云計(jì)算之父蒂姆伯納斯李萬(wàn)維網(wǎng)發(fā)明人 A個(gè)網(wǎng)頁(yè)開(kāi)發(fā)者吉姆格雷大數(shù)據(jù)之父6. MapReduce思想來(lái)源LISP語(yǔ)言7.按照資源封裝層次，云計(jì)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(jì)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(chǔ)和計(jì)算定位時(shí)可以被看做 是一種路由算法。通過(guò)這種路與哦算法文件塊能

2、被唯一的定位到一個(gè)節(jié)點(diǎn)的位置。傳統(tǒng)的 hash算法容錯(cuò)性和擴(kuò)展性都不好，無(wú)法有效的適應(yīng)面向數(shù)據(jù)系統(tǒng)節(jié)點(diǎn)的動(dòng)態(tài)變化。意思就 是當(dāng)集群需要增加節(jié)點(diǎn)，傳統(tǒng)的hash算法不容易檢測(cè)到新增加的節(jié)點(diǎn)，此為擴(kuò)展性不好，而一致性hash算法增加一個(gè)節(jié)點(diǎn)只會(huì)影響增加的這個(gè)節(jié)點(diǎn)到前一個(gè)節(jié)點(diǎn)之間的數(shù)據(jù)。容錯(cuò) 性就是如果不幸一個(gè)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(huì)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(cuò)性和擴(kuò)展性對(duì)于節(jié)點(diǎn)數(shù)較多的集群是比較 有意義的，對(duì)于節(jié)點(diǎn)較少的集群似乎這兩個(gè)特性并沒(méi)有什么誘惑力。一致性hash的實(shí)際目的就是解決節(jié)點(diǎn)頻繁變化時(shí)的任務(wù)分配問(wèn)題，一致性 hash將整 個(gè)h

3、ash值空間組織成一個(gè)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(wú)符號(hào)整形。下面簡(jiǎn)述一下一致性hash的原理：這是一致性hash的整個(gè)值空間0(2A32-1)下一步將各個(gè)服務(wù)器使用 Hash進(jìn)行一個(gè)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(tái)機(jī)器就能確定其在哈希環(huán)上的位置，假設(shè)使用四臺(tái)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(jì)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(shí)針“行走”，第一臺(tái)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(gè)數(shù)據(jù)對(duì)象，經(jīng)過(guò)哈希計(jì)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(huì)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(tái)服務(wù)器，其環(huán)分布如下,Node AHash()Tjode b此時(shí)必然造成大量數(shù)據(jù)集中到Node A上，而只有極少量會(huì)定位到Node B上。為了解決這

5、種數(shù)據(jù)傾斜問(wèn)題，一致性哈希算法引入了虛擬節(jié)點(diǎn)機(jī)制，即對(duì)每一個(gè)服務(wù)節(jié)點(diǎn)計(jì)算多個(gè)哈希，每個(gè)計(jì)算結(jié)果位置都放置一個(gè)此服務(wù)節(jié)點(diǎn)，稱為虛擬節(jié)點(diǎn)。具體做法可以在服務(wù)器ip或主機(jī)名的后面增加編號(hào)來(lái)實(shí)現(xiàn)。例如上面的情況，可以為每臺(tái)服務(wù)器計(jì)算三個(gè)虛擬節(jié)點(diǎn)，于是可以分別計(jì)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(gè)虛擬節(jié)點(diǎn)：Node AftlHash( )1Hash()Hash。Hash()Node B#2Node A訂2H

6、ash(J|Node 23同時(shí)數(shù)據(jù)定位算法不變，只是多了一步虛擬節(jié)點(diǎn)到實(shí)際節(jié)點(diǎn)的映射，例如定位到“NodeA#1"、“Node A#2'、"Node A#3'三個(gè)虛擬節(jié)點(diǎn)的數(shù)據(jù)均定位到Node A上。這樣就解決了服務(wù)節(jié)點(diǎn)少時(shí)數(shù)據(jù)傾斜的問(wèn)題。在實(shí)際應(yīng)用中，通常將虛擬節(jié)點(diǎn)數(shù)設(shè)置為 大，因此即使很少的服務(wù)節(jié)點(diǎn)也能做到相對(duì)均勻的數(shù)據(jù)分布。32甚至更2 .科學(xué)研究的四個(gè)范式：觀測(cè)實(shí)驗(yàn)、理論、計(jì)算仿真、數(shù)據(jù)3 .物聯(lián)網(wǎng)產(chǎn)業(yè)鏈分為：標(biāo)識(shí)，感知，處理，信息傳送4 .非關(guān)系型數(shù)據(jù)庫(kù)分為: Column-Oriented面向檢索的列式存儲(chǔ)，其存儲(chǔ)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(xiě)的緩存存儲(chǔ)，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(gè)key分別對(duì)應(yīng)一個(gè)value ,這種數(shù)據(jù)庫(kù)適合用來(lái)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(wèn)的文檔存儲(chǔ)，這類存儲(chǔ)類似key-value形式，只是value主要以JSON或者XML等格式進(jìn)行存儲(chǔ)，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(jì)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(jí)虛擬化，硬件抽象層虛擬化，操作系統(tǒng)層虛擬化，編程語(yǔ)言上的虛擬化，庫(kù)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(wú)關(guān)性，隔離性，多實(shí)例，特權(quán)功能等優(yōu)點(diǎn)。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(jiǎn)化技術(shù)，實(shí)現(xiàn)物理層向邏輯層的變化，對(duì)物理層運(yùn)動(dòng)復(fù)雜性的屏蔽，是系統(tǒng)對(duì)外運(yùn)動(dòng)

9、呈現(xiàn)出簡(jiǎn)單的邏輯運(yùn)行狀態(tài)8虛擬化技術(shù)有哪些優(yōu)勢(shì)劣勢(shì)？?jī)?yōu)勢(shì)：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(jiǎn)化資源和資源管理10 虛擬化實(shí)現(xiàn)軟件和硬件的分離劣勢(shì)1.可能會(huì)使物理計(jì)算機(jī)負(fù)載過(guò)重11 升級(jí)和維護(hù)引起的安全問(wèn)題12 物理計(jì)算機(jī)的影響第四章集群系統(tǒng)基礎(chǔ)1 .云計(jì)算領(lǐng)域存在兩個(gè)主要技術(shù)路線，一個(gè)是基于集群技術(shù)的云計(jì)算資源整合技術(shù)，一個(gè)是基于虛擬機(jī)的云計(jì)算資源切分技術(shù)2 .集群的設(shè)計(jì)要考慮 5個(gè)關(guān)鍵的問(wèn)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(jiǎn)述Beowulf系統(tǒng)的主要特點(diǎn)答

10、：1 Beowulf系統(tǒng)通常由一個(gè)管理節(jié)點(diǎn)和多個(gè)計(jì)算節(jié)點(diǎn)構(gòu)成2 Beowulf系統(tǒng)通常用最常見(jiàn)的硬件設(shè)備組成3 Beowulf系統(tǒng)同城采用哪些廉價(jià)且廣為傳播的軟件5 Lustre 存儲(chǔ)系統(tǒng)的組成有 MDS, MDT, OSS, OST, Client6 .簡(jiǎn)述面向計(jì)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(shí)現(xiàn)機(jī)制， 分析三 種系統(tǒng)的區(qū)別.面向計(jì)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(duì)比第五章MPI-面向計(jì)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(gè)具體的實(shí)現(xiàn)，而只是一 種標(biāo)準(zhǔn)描述。2, MPI支持FORTRAN77、C、Fortran90 、C+等語(yǔ)言的調(diào)用，能滿足大多數(shù)科學(xué)計(jì)算的應(yīng)用需要。3,簡(jiǎn)述MPICH行環(huán)境建立的主要步驟。(1) .配置好NFS服務(wù)，實(shí)現(xiàn)所有節(jié)點(diǎn)對(duì)主節(jié)點(diǎn)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(chǔ)位置，這樣就可以避免在每個(gè)節(jié)點(diǎn)安裝MPICH啟動(dòng)計(jì)算時(shí)也可以避免每次向各個(gè)節(jié)點(diǎn)分發(fā)程序。(2) .配置好各個(gè)節(jié)點(diǎn)間的互信，這一步就是實(shí)現(xiàn)集群內(nèi)部個(gè)節(jié)點(diǎn)間無(wú)密碼訪問(wèn)，因?yàn)镸PICH在計(jì)算時(shí)需要在各節(jié)點(diǎn)進(jìn)行數(shù)據(jù)交換，集群內(nèi)的節(jié)點(diǎn)應(yīng)用相互信任的節(jié)點(diǎn)

12、。(3) .編譯安裝配置 MPICH(4) 手配置 MPI節(jié)點(diǎn)間的ssh無(wú)密碼訪問(wèn)。(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(wèn)授權(quán)。(3)將-/.ssh目錄下的文件復(fù)制到所有節(jié)點(diǎn)。(4)檢查是否可以直接(不需要密碼)登錄其他節(jié)點(diǎn)。5,簡(jiǎn)述基于蒙特卡羅思想求兀值的編程方法，并編寫(xiě)用MPI程序。蒙特卡羅方法，又稱為隨機(jī)抽樣或統(tǒng)計(jì)試驗(yàn)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(guò)程:p933 .HDFS分塊策略：p95第七章HPCC-面向數(shù)據(jù)的高

13、性能計(jì)算集群系統(tǒng)1,簡(jiǎn)述HPCC勺主要特點(diǎn)。(1) 強(qiáng)大靈活的ECL語(yǔ)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(cuò)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(duì)于其他平臺(tái)，在較低的系統(tǒng)消耗上實(shí)現(xiàn)了更高的性能。2,高性能計(jì)算目前可以分為兩類：一類是面向 計(jì)算的高性能計(jì)算，另一類是面向數(shù)見(jiàn)的高性能計(jì)算。3,數(shù)據(jù)密集型集群計(jì)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(gè)集群上部署了Thor(數(shù)據(jù)加工處理平臺(tái))、Roxie(數(shù)據(jù)查詢、分析和數(shù)據(jù)倉(cāng)庫(kù))兩套集群計(jì)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(jiǎn)述HPCCF臺(tái)數(shù)據(jù)檢索任務(wù)的執(zhí)行過(guò)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