集群计算如何获得和持续使用足够的集群计算资源

给你5000个节点的计算机集群，你最想做什么

在硬件上，只要将3台计算机连在同一个局域网中，就能组成计算机集群。

但这只是硬件上的准备工作而已，构建计算机集群，最主要的还是软件问题，控制多台计算机相互协作。

目前，只有Linux平台有成熟的集群软件，如Beowulf，可以配置主机与节点，实现集群功能。

如果是windows系统，则只有自己根据应用需求开发相应的软件。

服务器集群的负载均衡算法有哪些

随机：负载均衡方法随机的把负载分配到各个可用的服务器上，通过随机数生成算法选取一个服务器，然后把连接发送给它。

虽然许多均衡产品都支持该算法，但是它的有效性一直受到质疑，除非把服务器的可运行时间看的很重。

轮询：轮询算法按顺序把每个新的连接请求分配给下一个服务器，最终把所有请求平分给所有的服务器。

轮询算法在大多数情况下都工作的不错，但是如果负载均衡的设备在处理速度、连接速度和内存等方面不是完全均等，那么效果会更好。

加权轮询：该算法中，每个机器接受的连接数量是按权重比例分配的。

这是对普通轮询算法的改进，比如你可以设定：第三台机器的处理能力是第一台机器的两倍，那么负载均衡器会把两倍的连接数量分配给第3台机器。

动态轮询：类似于加权轮询，但是，权重值基于对各个服务器的持续监控，并且不断更新。

这是一个动态负载均衡算法，基于服务器的实时性能分析分配连接，比如每个节点的当前连接数或者节点的最快响应时间等。

最快算法：最快算法基于所有服务器中的最快响应时间分配连接。

该算法在服务器跨不同网络的环境中特别有用。

最少连接：系统把新连接分配给当前连接数目最少的服务器。

该算法在各个服务器运算能力基本相似的环境中非常有效。

观察算法：该算法同时利用最小连接算法和最快算法来实施负载均衡。

服务器根据当前的连接数和响应时间得到一个分数，分数较高代表性能较好，会得到更多的连接。

预判算法：该算法使用观察算法来计算分数，但是预判算法会分析分数的变化趋势来判断某台服务器的性能正在改善还是降低。

具有改善趋势的服务器会得到更多的连接。

该算法适用于大多数环境。

如何让hadoop集群分布式计算

Hadoop是Apache软件基金会旗下的一个开源分布式计算平台。

以Hadoop分布式文件系统（HDFS，Hadoop Distributed Filesystem）和MapReduce（Google MapReduce的开源实现）为核心的Hadoop为用户提供了系统底层细节透明的分布式基础架构。

对于Hadoop的集群来讲，可以分成两大类角色：Master和Salve。

一个HDFS集群是由一个NameNode和若干个DataNode组成的。

其中NameNode作为主服务器，管理文件系统的命名空间和客户端对文件系统的访问操作；集群中的DataNode管理存储的数据。

MapReduce框架是由一个单独运行在主节点上的JobTracker和运行在每个集群从节点的TaskTracker共同组成的。

主节点负责调度构成一个作业的所有任务，这些任务分布在不同的从节点上。

主节点监控它们的执行情况，并且重新执行之前的失败任务；从节点仅负责由主节点指派的任务。

当一个Job被提交时，JobTracker接收到提交作业和配置信息之后，就会将配置信息等分发给从节点，同时调度任务并监控TaskTracker的执行。

从上面的介绍可以看出，HDFS和MapReduce共同组成了Hadoop分布式系统体系结构的核心。

HDFS在集群上实现分布式文件系统，MapReduce在集群上实现了分布式计算和任务处理。

HDFS在MapReduce任务处理过程中提供了文件操作和存储等支持，MapReduce在HDFS的基础上实现了任务的分发、跟踪、执行等工作，并收集结果，二者相互作用，完成了Hadoop分布式集群的主要任务。

先决条件 1) 确保在你集群中的每个节点上都安装了所有必需软件：sun-JDK ssh Hadoop。

如何获得和持续使用足够的集群计算资源

计算能力调度器介绍Capacity Scheduler支持以下特性： (1) 计算能力保证。

支持多个队列，某个作业可被提交到某一个队列中。

每个队列会配置一定比例的计算资源，且所有提交到队列中的作业共享该队列中的资源。

(2) 灵活性。

空闲资源会被分配给那些未达到资源使用上限的队列，当某个未达到资源的队列需要资源时，一旦出现空闲资源资源，便会分配给他们。

(3) 支持优先级。

队列支持作业优先级调度（默认是FIFO） (4) 多重租赁。

综合考虑多种约束防止单个作业、用户或者队列独占队列或者集群中的资源。

(5) 基于资源的调度。

支持资源密集型作业，允许作业使用的资源量高于默认值，进而可容纳不同资源需求的作业。

不过，当前仅支持内存资源的调度。

3. 计算能力调度器算法分析 3.1 涉及到的变量 在capacity中，存在三种粒度的对象，分别为：queue、job和task，它们均需要维护的一些信息： (1) queue维护的信息