单一系统映象集群管理系统的研究与实现

单一系统映象集群管理系统以传统的GUI图形界面完成与用户的人机交互,有效地屏蔽了集群的系统结构,方便了用户的使用和管理,为实现集群的高性能、高可靠性、高可用性提供了良好的系统软件支持。文章所设计的集群管理系统还提供了丰富的辅助工具,从而极大地简化了系统管理,使系统管理和操作对用户更加透明直观。目前此集群管理系统已应用于某实时测控集群系统。     

IO负载均衡方式的创新及集群系统管理工具的开发与应用

在石油领域的高性能计算应用中会产生大量、频繁的I/O操作。因此,集群系统中的I/O负载问题一直是长期以来PC架构集群实现高性能以及提升效率的瓶颈。＂ZQ集群系统管理工具＂这套管理工具有效地解决了传统IO负载管理方式存在的问题,克服了常用集群系统管理软件存在的不足。此外,这套管理工具还具有诸多大大简化系统管理的创新功能。     

一个基于Linux的集群部署方案

集群提供了强大的批处理和并行计算能力,代表了高性能计算机发展的新方向,但也同时具有不易管理、故障率高、维护繁琐等问题.通过研究Linux启动过程,结合远程启动技术,提出一种基于Linux的集群部署方案.有效地解决了集群的安装、升级、备份等问题,方便了用户的使用和管理,为实现集群的高性能、高可靠性、高可用性提供了良好的系统支持,极大地简化了系统管理.并且针对高性能计算集群的特点,构建了一个针对上海大学自强3000的集群部署系统(Cluster Deployment System,CDS).     

ProLiant向管理要效益

优化的IT系统管理是对产品服务品质的提升。但很多企业对IT系统管理的方式和手段却没有太多改变，不仅管理费用高而且效果差。还有系统集群解决方案正受到企业的关注，而多系统集群的监视和管理又使系统管理员苦恼不已，各类系统故障不断。作为全球领先的服务器厂商，HP能够从容应对复杂的网络、苛刻的应用环境以及IT资源匮乏等多种严峻挑战，以熟练完善的管理技术和方式帮助企业走出高投入、低效率的困境。另外，ProLiant在服务器管理技术方面本就先人一步，经过整合之后的ProLiant服务器更充分融合二者的各自优势，形成了一套科学、系统、完整的高可用智能管理软件解决方案。     

网格环境下的集群系统作业管理研究

网格计算已经逐渐形成一个重要的新领域。相对于传统的分布式计算，它的显著之处在于它能够共享网络上的各种资源，包括地理上分布的各种计算资源。PBS是广泛应用于并行计算机的作业管理系统，它可以按照用户定义的配置参数相对公平地为每个作业分配系统资源。但是在网格环境范围内对集群系统进行管理仍然是一门有待研究的课题。利用网格系统软件和集群系统管理软件，实现了一种在网格环境下对集群系统作业进行管理的方法。     

基于SAN和集群的ERP应用平台设计与管理

对先进的SAN和集群（cluster）技术基础上建立起来的ERP应用系统平台的架构进行了分析和设计,将集群、光纤存储方案、负载均衡、容灾备份等新技术有效地融入平台设计中,并介绍了技术实现方法。针对新技术组成的ERP平台,该文完整地提出了平台的用户管理、传输管理、性能优化和测试等系统管理方法,最后,通过SAP的实际案例及其测试结果,来验证了所设计的平台和系统管理方法的正确性和有效性。     

虚拟化环境下的数据库集群系统构建与性能分析

基于物理主机的数据库集群配置和管理存在配置复杂、灵活性差的问题。虚拟化技术结合集群系统管理使系统管理和资源构建更加灵活透明。本文提出一种基于Xen Server虚拟化平台的MySQL Cluster数据库集群系统配置部署方案,并对比MySQL 5.1单机版测试数据对系统性能进行分析。本文提出的方案不但利用虚拟化平台虚拟机快速复制功能有效降低数据库集群系统部署的复杂度,提高配置的灵活性,且与大并发和大数据量的处理能力相比MySQL 5.1单机版具有较高的性能优势。     

ProLiant向管理要效益

优化的IT系统管理是对产品服务品质的提升。但很多企业对IT系统管理的方式和手段却没有太多改变,不仅管理费用高而且效果差。还有系统集群解决方案正受到企业的关注,而多系统集群的监视和管理又使系统管理员苦恼不已,各类系统故障不断。作为全球领先的服务器厂商,HP能够从容应对复杂的网络、苛刻的应用环境以及IT资源匮乏等多种严峻挑战,以熟练完善的管理技术和方式帮助企业走出高投入、低效     

基于PBS的勘探数据处理作业管理

高性能集群不具备作业自动调度和负载均衡的功能。采用开源的作业管理系统定制开发集群管理系统,解决集群“难用难管”的问题。作为一种开源的队列管理和作业调度系统,PBS目前已经广泛应用于集群管理当中。通过Shell脚本应用开发,将不同类型的应用作业转换为相应的PBS作业脚本纳入系统管理。利用PBS系统进行必要的定制开发工作,在较少改变科研人员工作习惯的前提下,实现Paradigm公司EPOS处理系统集群队列管理和作业分发管理。     

ProLiant向管理要效益

优化的IT系统管理是对产品服务品质的提升。但很多企业对IT系统管理的方式和手段却没有太多改变,不仅管理费用高而且效果差。还有系统集群解决方案正受到企业的关注,而多系统集群的监视和管理又使系统管理员苦恼不已,各类系统故障不断。作为全球领先的服务器厂商,HP能够从容应对复杂的网络、苛刻的应用环境以及IT资源匮乏等多种严峻挑     

数据挖掘中聚类算法比较研究

聚类分析技术是数据挖据中的一种重要技术。本文介绍了数据挖掘对聚类的典型要求和聚类方法的分类，研究分析了聚类的主要算法．并从多个方面对这些算法的性能进行比较。     

数据挖掘中聚类算法比较研究

聚类分析技术是数据挖据中的一种重要技术.本文介绍了数据挖掘对聚类的典型要求和聚类方法的分类,研究分析了聚类的主要算法,并从多个方面对这些算法的性能进行比较.     

bigVAT: Visual assessment of cluster tendency for large data sets

Assessment of clustering tendency is an important first step in cluster analysis. One tool for assessing cluster tendency is the Visual Assessment of Tendency (VAT) algorithm. VAT produces an image matrix that can be used for visual assessment of cluster tendency in either relational or object data. However, VAT becomes intractable for large data sets. The revised VAT (reVAT) algorithm reduces the number of computations done by VAT, and replaces the image matrix with a set of profile graphs that are used for the visual assessment step. Thus, reVAT overcomes the large data set problem which encumbers VAT, but presents a new problem: interpretation of the set of reVAT profile graphs becomes very difficult when the number of clusters is large, or there is significant overlap between groups of objects in the data. In this paper, we propose a new algorithm called bigVAT which (i) solves the large data problem suffered by VAT, and (ii) solves the interpretation problem suffered by reVAT. bigVAT combines the quasi-ordering technique used by reVAT with an image display of the set of profile graphs displaying the clustering tendency information with a VAT-like image. Several numerical examples are given to illustrate and support the new technique.     

A model view controller based Self-Adjusting Clustering Framework

A load balanced cluster is an abstraction for set of servers that are configured to share the workload. Each server of the cluster hosts the same set of applications or services. The process of application deployment is laborious and it is essential to efficiently manage a cluster. The existing techniques allow automation of the initial deployment and dynamic scaling. However, after the initial deployment, they do not ensure cluster members’ consistency. This is quite important, as change is inevitable in the life of a software application. A new application may need to be deployed to an existing cluster or an existing application may need to be upgraded. In this paper, we propose a Model View Controller based, Self-Adjusting Cluster Framework (SACF) that enables auto deployment, auto upgradation and cluster members’ consistency.     

基于移动性预测分簇算法的仿真设计

针对车联网的特点,结合节点间的节点相对移动性和节点的剩余生存时间,提出了簇头选择权值参数M来表示节点作为簇头的能力强弱,并基于这个参数设计出一种簇生成算法。该簇生成算法的主要思想是比较每个节点的M值,然后选出M值最小的节点成为簇头并生成簇,这样可以保证簇的稳定性。但是,当一个簇内成员个数过多过少时都会对使簇的存在变得低效,针对这一现象,提出了簇合并和簇分裂机制。该机制可以在降低网络通信开销的同时,保证簇的稳定运行。仿真结果表明,此算法在车联网场景中性能良好,簇结构稳定,孤立节点数量较少,节点能够快速地进行信息交互并生成簇。     

K-means聚类算法的研究综述

K-均值聚类算法（K-means）是基于划分的聚类算法中的典型算法,针对K-means算法初始聚类中心存在对K依赖的缺陷,提出一种新的选取K-means算法初始聚类中心的方法,该方法提高聚类结果的有效性和稳定性;还提出一种极值选择法,将最大距离法和最小距离法相结合,进一步提高初始聚类中心选择的准确性。     

计算机机群技术及其在Web领域中的应用

现今很多应用需要将多台计算机组织起来进行协同工作,来模拟一台功能更强大的计算机以解决问题,因此机群技术得到了广泛应用.本文介绍了机群技术的基本概念和特点,以图示形式描绘了机群的体系结构,然后重点介绍了机群技术在Web领域中的实际应用,最后对机群技术的发展做了展望.     

数据挖掘中聚类分析的技术方法

数据挖掘是信息产业界近年来非常热门的研究方向，聚类分析是数据挖掘中的核心技术，本文对数据挖掘领域的聚类分析方法及代表算法进行分析，并从多个方面对这些算法性能进行比较，同时还对聚类分析在数据挖掘中的几个应用进行了阐述。     

Towards a standard methodology to evaluate internal cluster validity indices

The evaluation and comparison of internal cluster validity indices is a critical problem in the clustering area. The methodology used in most of the evaluations assumes that the clustering algorithms work correctly. We propose an alternative methodology that does not make this often false assumption. We compared 7 internal cluster validity indices with both methodologies and concluded that the results obtained with the proposed methodology are more representative of the actual capabilities of the compared indices.