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).     

大规模快速部署Linux的实现方法

在需要大规模使用Linux系统的集群环境中,快速部署具有很强的现实意义,利用PXE和KickStart技术的网络安装方法,可以实现此目的。本文分析了网络安装的流程,然后给出所需的软件技术及其配置方法,以及如何实现在部署的同时设定唯一的主机名和静态IP。     

TDDS:基于虚拟集群系统的任务部署与调度

利用虚拟机的灵活性和快速部署能力,设计并实现了任务部署与调度系统(task deployment and dispatch system,TDDS).TDDS能够根据用户的需求,为用户的计算任务提供可以进行资源配置的集群计算环境,满足了用户对不同操作系统、不同应用程序和不同计算资源的需求.TDDS还使用了负载均衡策略,以提高物理集群资源的利用率.提出了两种虚拟机部署策略,用以加快虚拟集群部署的速度.TDDS尽量控制虚拟机系统镜像的大小和访问频率,以提高部署的效率.实验表明,TDDS系统能够快速灵活地部署用户所需要的计算环境和计算资源,负载均衡的调度策略也切实提高了物理集群处理任务的能力,提高了集群的使用率.     

广域网环境下应用系统远程部署的研究及实现

在集群的众多接点上人工部署和维护应用系统是件繁重的工作。应用远程部署系统利用广域互联网络，通过机群管理中心的主监控台来自动完成对集群中的任一节点安装操作系统、安装升级或删除应用软件等任务。该系统可以快速地同时对多个节点安装Linux操作系统，支持安装的Linux操作系统有多个版本，具有良好可扩展性，能帮助用户显著地减少管理维护费用和提高整个系统的可用性。     

一种面向分布构件集群系统的配置管理模型

分布构件技术是一种面向三层计算结构业务逻辑中间层的分布计算技术。分布构件集群系统,在分布构件基础之上,面向企业计算需求,提供了更好的可用性和更高的性能。文章研究分布构件集群系统的构造及配置管理内容;通过给出分布构件集群系统的配置管理模型,定义相关的配置管理关系和配置管理数据,使得能够在统一的管理视图上对分布构件集群系统及内部所安装部署的分布构件进行有效的管理。该模型是分布构件集群系统在运行时刻支持高可用和高性能的基础。     

普招网报系统中服务器集群与缓存的研究

该文对河南普招招生志愿填报系统中服务器集群的部署与缓存的使用进行了研究,提出了服务器集群与缓存技术相结合来提高网站的性能的方案,该方案制采用了一种新的基于地址表的服务器集群部署方法。同时对服务器集群下Memcached的使用进行说明,并对其存在的缺陷提出了解决方法。该方案适合于类似大型网站的部署具有很强的推广价值。     

普招网报系统中服务器集群与缓存的研究

该文对河南普招招生志愿填报系统中服务器集群的部署与缓存的使用进行了研究,提出了服务器集群与缓存技术相结合来提高网站的性能的方案,该方案制采用了一种新的基于地址表的服务器集群部署方法。同时对服务器集群下Memcached的使用进行说明,并对其存在的缺陷提出了解决方法。该方案适合于类似大型网站的部署具有很强的推广价值。     

基于Ceph对象存储集群的负载均衡设计与实现

海量并行数据访问ceph对象存储集群时,会出现访问数据错误率增加和访问速率降低的问题.首先设计和部署ceph对象存储集群,根据用户请求数设计对象网关节点,实现用户数据的交互功能,然后在服务节点安装和部署haproxy,实现服务节点的负载均衡功能,能够降低服务节点的压力,最后设计和实现四种基于ceph对象网关节点的存储集群.通过大量对比测试,本设计方案的数据访问错误率降低0.96%,用户数据的访问速率提升74.04%.     

阿里云实现Spark的分布式计算

随着计算机与互联网技术的不断发展,云计算已经成为一种随时随地根据需要而提供的公共服务。本文以国内流行的阿里云计算平台为例,讨论了如何在云服务器上实现基于内存的Spark分布式计算,其中包括Linux系统云服务器的使用,Spark集群的安装部署以及Spark数据处理。通过对三个ECS节点的部署,验证了Spark在阿里云上进行分布式计算的可行性。     

基于负荷感知的虚拟机集群部署方法

传统的部署算法会受部署资源关系的影响导致部署时间过长,为此设计一个基于负荷感知的虚拟机集群部署方法。通过基于SVD(Singular Value Decomposition,奇异值分解)的系统性能预测模型判断和预测虚拟机资源的性能,根据资源性能的描述,以降低成本和减少资源浪费为目标,合理选择虚拟机。计算物理主机与虚拟机的相关系数,同时采用负荷感知法结合虚拟机内存与宽带之间关联性,通过加权处理计算资源权重和对主机排序,进而完成物理主机与虚拟机之间资源匹配,实现基于负荷感知的虚拟机集群部署。实验将部署时间与部署的失败次数作为对比指标,结果表明论文方法在短时间内就能够完成集群部署,并且失败次数较少,满足方法设计的需求。     

基于开源平台的网络镜像部署方案

介绍了一种基于开源平台的网络镜像部署方案。方案基于C／S架构,客户端的安装采用了基于PXE的远程启动模式,因此不需要为客户端进行手动安装,从而可以使无系统客户机也能向服务端发起镜像部署请求。网络镜像部署的实现充分吸纳了UDPcast、Partclone以及tftpd32等优秀的已有开源项目,避免了重复的开发工作,编写的调度、UI模块解决了开源软件操作不友好的缺点。实际测试显示,该方案己具有良好的实用价值,所用的系统架构也值得推广到其他应用场合。     

基于ZIGBEE技术的设备管理网络监控系统

基于IEEE802.15.4的无线通信协议-ZigBeeTM技术,有数据安全性,自适应网络性,开发成本低,电池寿命长等方面独特的优势,应用在工业监控管理环境中可以节约成本,缩短开发时间,设备间易于灵活组网.介绍如何将ZigBee技术应用在工业设备监控上.取代原有复杂、难以布线的有线连接方式,提升整个系统的可扩展性,降低维护成本.     

基于云计算的P2P流媒体服务器集群部署算法

针对云计算数据中心网络（DCN）环境下,P2P流媒体服务器集群部署引起的较高带宽占用问题,提出了一种基于云计算的P2P流媒体服务器集群部署方法。该方法将P2P流媒体服务器集群部署建模为一个二次分配问题,并基于蚁群算法,寻找每个虚拟流媒体服务器与每个部署点之间的映射关系,实现基于云计算的P2P流媒体服务器集群部署。通过仿真实验证明,基于云计算的P2P流媒体服务器集群部署算法可以有效地减少云计算平台DCN网络带宽占用。     

大规模机群系统的快速部署与动态配置*

随着计算需求的日益增大,机群系统的规模越来越大,节点数目越来越多,传统的机群部署与配置方法已经逐渐不能胜任。为此,在机群环境中部署了一套集中管理系统,将所有的部署与配置工作集中到少数几台服务器上,而无须对单个节点进行重复操作,实现对机群系统节点的快速部署,并对已安装的节点进行实时与动态配置,从而极大地减少了工作量,提高了效率。     

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.