集群系统与分布式计算

集群技术与集群系统是实现高性能计算的新途径。常见的集群架构分为Web/Internet集群系统和并行运算集群系统两种。集群技术的一个非常重要的方面是资源管理和负载平衡。集群系统可以分为高性能科学计算群集、负载均衡群集、高可用性群集等三大类。分布式计算是集群技术的理论基础,包括中间件技术、网格技术、移动Agent技术等。最后介绍了中科红旗的两个集群系统产品负载集群和高可用性集群。     

Linux服务器集群系统构建

LVS集群技术是构建高性能、高伸缩性、高可用性和低成本的网络服务系统的有效技术。本文介绍了LVS服务器集群系统的主要技术特点,包括其体系结构、负载均衡技术、调度算法,并给出了构建LVS服务器集群系统的实现步骤。     

基于Linux的服务器负载均衡性访问的解决方案

服务器集群（Cluster）是一种服务器上使用的高端技术,使用一台上的服务器虚拟成一台服务器对外提供高可用性高性能的服务。本文讨论了在Linux环境下,依据LVS实现的服务器集群技术在Web服务均衡负载方面的应用。LVS采用一定的算法将外部的访问负载均衡分布到多台内部的真实服务器上,并通过心跳侦测和自动接续达到高性能服务器的要求,满足大访问题,长时间不间断服务的需要。     

基于集群的可伸缩网络服务体系结构研究与实现*

在分析现在和将来网络服务需求的基础上, 提出基于集群的可伸缩网络服务体系结构Linux Virtual Server, 分为负载调度器、服务器池和后端存储三层结构。负载调度器采用IP 负载均衡技术和基于内容请求分发技术。LVS 集群提供了负载平衡、可伸缩性和高可用性, 可以应用于建立很多可伸缩网络服务。进而提出地理分布的LVS 集群系统, 可节约网络带宽, 改善网络服务质量, 具有良好的抗灾害性。     

一种分布式高性能集群邮件系统的设计与实现

提出了一种新的集群邮件服务系统DCMS。DCMS从功能上将邮件服务划分为4个部分：前端中转集群，服务集群，验证集群和后台存储集群，并对各个部分通过相关技术进行性能优化。测试结果表明该系统不仅具备高性能、高可用性、可伸缩性，而且易于扩展。     

基于Linux集群的Web服务的研究和构建

集群是指将两台或更多的互连的计算机整合在一起,对外表现为一个统一的计算资源。它通常有三个特征:高性能、高可用性和可伸缩性。该文在深入研究集群技术后,根据用户构建高性能、高可用性实用Web服务的需求,提出了一个基于Linux集群的解决方案,并在增强其可管理性,可靠性方面进行了探讨,使其达到实际应用需求。     

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).     

Terracotta Darwin发布

Terracotta是一个JVM级别的、具有Java可伸缩性和高可用性的、实现工业标准的开源集群框架。提供了HttpSession复制、分布式缓存、POJO集群、跨越集群的JVM来实现分布式应用程序缓存;采用代码注解的方式,而不需要修改任何代码即可在项目中使用。通过利用Terracotta分布式缓存技术,可以减少数据库负载、提高集群系统高可用性、可伸缩性和访问吞吐量。     

基于协商处理的集群防火墙负载均衡算法

通过分析集群防火墙系统结构和数据包协商处理过程,提出一种基于协商处理的集群防火墙系统负载均衡算法。使用基于权值的Hash算法实现并行过滤。当某一防火墙重载时将任务转移给轻载的伙伴节点,出故障时采用备份防火墙进行快速切换。该算法能实现防火墙节点负载均衡,并且防火墙个数越多,吞吐量越大,时延越低,从而获得了高性能、高可靠性和高可用性。     

一个高效可靠的Web farm系统

针对Web服务器的特点，给出了基于集群的高效、可靠的Web farm系统的体系结构，并对其中负载均衡技术、集群并行文件系统和高可用性支撑环境3大关键技术的设计和实现进行了分析和论述。实验表明：该系统使Web farm的性能得到很大提升，可用性也明显改善。     

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。     

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.     

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.