高效的机群监控信息采集模型

针对目前大规模机群监控系统性能和可用性存在的问题,提出了一种基于IEEE1394协议的机群监控信息采集模型.该模型根据IEEE1394特点,对IEEE1394节点管理模块进行详细分析,实现了用该模块进行监控信息采集,从而替换了Ganglia监控系统中用于监控信息采集的部分.实验结果表明,该模型降低了机群监控系统对机群系统产生的负载,有效地提高了监控信息的采集速率和机群监控系统的可用性.     

Linux机群负载监控系统设计与实现

机群系统的管理,需要通过负载监控系统来了解机群负载状况。本文介绍了为胜利油田计算中心设计和开发的Linux机群负载监控系统。通过读取proc文件系统,获得机群结点的实时运行信息;主监控模块采用Java语言设计,利用Java良好的跨平台性,实现对机群负载的跨平台监控;数据和控制命令通过TCP协议传输,可以在联网的任何一台计算机上对机群进行远程监控。     

建立异构机群系统并行计算环境的一种解决方案

机群技术的快速发展,使得充分利用现有网络和计算机资源建立机群系统以提供高性能计算能力成为可能。文章讨论了建立基于网络的机群系统并行计算环境的一些主要问题,如负载平衡、可视化监控等,并提出和实现了建立机群并行计算平台的一种解决方案。     

机群管理系统消息传输的负载平衡

提出了一种机群管理系统中管理消息的传递方式，使管理消息以树形方式在机群系统内部扩散传递，根据当前系统状态动态生成消息的剩余传播路径，维持机群系统内部的负载平衡。     

基于Agent技术的机群智能构造器的设计与实现

提出了一种基于Agent技术的机群智能构造器CIB。通过一种系统构造机制,CIB实现了对机群系统的自动配置、部署和引导,从而构造出用户定制的机群系统。同时,它提供了遵循用户心智模型的GUI,减轻了用户的认知负担。文章概述了CIB系统提出的背景,分析了同类机群管理软件的不足之处,介绍了采用Agent机制解决问题的方法,描述了CIB的设计与实现,并从易用性和效率两个方面对系统进行了评测。     

基于WS-Management的分布式机群管理方案

为了解决目前机群管理中存在的缺乏统一管理标准、可扩展性差及可用性差等问题,首次把WS-Management标准引入到机群系统管理中,提出了分布式机群管理解决方案.对机群进行CIMOM建模,实现了机群的标准化管理;采用分层管理的方法,提高了机群系统的可扩展性、可用性、容错性和性价比.对该方案进行了实现和实验分析,实验结果表明了该方案性能良好.     

单一系统映象在机群管理中的实现

单一系统映象是机群系统的关键技术。文章讨论了机群单一系统映象的含义,提出了一种用于并行计算机群管理的单一系统映象模型,实现了机群单一控制和单一作业管理,解决了机群系统难于管理、管理方式可视化不强等问题。     

基于龙芯2E多处理器平台的虚拟机群系统

机群系统已成为高性能计算的主流体系结构,机群模拟环境是学习机群操作的重要工具。该文提出一种基于龙芯2E多处理器硬件平台的机群模拟方案——虚拟机群系统(VCS)。该系统在共享内存的多处理器上同时运行多个操作系统并使用内存操作模拟网络通信,实现机群环境的模拟。     

机群系统的可视化管理研究与实现:VisualNPC

本文提出一种机群管理系统的实现方案 :Visual NPC.首先 ,采用分布式关系数据库系统来存储管理数据、资源情况、检查点等信息 ,使得数据检索与访问的速度优于采用文件系统存储时的速度 ;其次 ,采用 WEB用户界面来操控机群系统 ,使得在与机群系统联通的网络中的任意一台计算机上 ,都可使用 WEB浏览器控制与访问机群系统 ;最后 ,采用独立的管理服务器 ,使得这些管理操作对机群系统本身的运算影响最小 ,并且对这个独立的管理服务器作镜像容错处理 ,在成本和效率上要优于为每个计算节点作镜像容错处理     

基于机群中间件监控系统的设计和实现

该文提出了一种基于机群中间件的机群监控系统ClusterView,基于中间件的机群监控系统解决了大规模机群的可扩展性和可伸缩性、节点本身的低负载以及整个系统的高可用的问题,同时采用中间件技术有效地解决了直接访问被监控主机导致的安全和接口问题。文章概述了监控系统和中间件提出的背景,描述了中间件技术在机群监控中的关键作用,讨论了大规模集群环境下监控系统遇到的问题及利用中间件技术的解决方案,并对基于机群中间件的监控系统的设计和实现进行了详细的阐述。     

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。     

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).     

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.