【正文】 性、性能的平衡）4. 容錯(cuò)：1． Master容錯(cuò)1) 單個(gè)Master，對(duì)于前兩種元數(shù)據(jù)，GFS通過(guò)操作日志來(lái)提供容錯(cuò)功能2) 第三種元數(shù)據(jù)信息保存在各個(gè)Chunk Server上，Master故障時(shí)，磁盤恢復(fù)3) GFS還提供了Master遠(yuǎn)程的實(shí)時(shí)備份,防止Master徹底死機(jī)的情況2． Chunk Server容錯(cuò)1）每一個(gè)Chunk有多個(gè)存儲(chǔ)副本（默認(rèn)為三個(gè)），分布存儲(chǔ)在不同的Chunk Server上用戶態(tài)的GFS不會(huì)影響Chunk Server的穩(wěn)定性2）副本的分布策略需要考慮多種因素，如網(wǎng)絡(luò)的拓?fù)?、機(jī)架的分布、磁盤的利用率等 3）對(duì)于每一個(gè)Chunk，必須將所有的副本全部寫入成功，才視為成功寫入盡管一份數(shù)據(jù)需要存儲(chǔ)三份，好像磁盤空間的利用率不高，但綜合比較多種因素，加之磁盤的成本不斷下降，采用副本無(wú)疑是最簡(jiǎn)單、最可靠、最有效，而且實(shí)現(xiàn)的難度也最小的一種方法。云計(jì)算分類： SaaS（Software as a Service）：將軟件作為服務(wù) PaaS（Platform as a Service）：將平臺(tái)作為服務(wù) IaaS（Infrastructure as a Service）：將基礎(chǔ)設(shè)施作為服務(wù)并行計(jì)算：同時(shí)使用多種計(jì)算資源解決計(jì)算問(wèn)題的過(guò)程分布式計(jì)算：將需要巨大計(jì)算能力的問(wèn)題分成許多小部分進(jìn)行處理，最后綜合結(jié)果網(wǎng)格計(jì)算：在動(dòng)態(tài)、多機(jī)構(gòu)參與的虛擬組織中協(xié)同共享資源和求解問(wèn)題 云計(jì)算與網(wǎng)格計(jì)算比較：（考簡(jiǎn)答可能性低） 谷歌云平臺(tái)（1） GFS1. 設(shè)計(jì)目標(biāo)（1）高性能（performance）；（2）可擴(kuò)展（scalability）；（3）高可靠性（reliability）；（4）高可用（availability）；2. 系統(tǒng)架構(gòu)Client客戶端：應(yīng)用程序的訪問(wèn)接口 Master主服務(wù)器：管理節(jié)點(diǎn)，在邏輯上只有一個(gè)，保存系統(tǒng)的元數(shù)據(jù)，負(fù)責(zé)整個(gè)文件系統(tǒng)的管理Chunk Server數(shù)據(jù)塊服務(wù)器：負(fù)責(zé)具體的存儲(chǔ)工作。文件系統(tǒng)由許多Node組成，每個(gè)Node代表一個(gè)文件，或者一個(gè)目錄。Dynamo中冗余存儲(chǔ)（備份）數(shù)據(jù)保存在環(huán)上順時(shí)針?lè)较虻暮罄^節(jié)點(diǎn)中。這樣既可以減輕源服務(wù)器的負(fù)擔(dān)，也可以減少整個(gè)網(wǎng)絡(luò)中流量分布不均的情況，進(jìn)而改善整個(gè)網(wǎng)絡(luò)性能 Windows Azure1. Windows Azure 屬于PaaS模式2. Windows Azure平臺(tái)組成部分：1) Windows Azure：最底層，提供了一個(gè)在微軟數(shù)據(jù)中心服務(wù)器上運(yùn)行應(yīng)用程序和存儲(chǔ)數(shù)據(jù)的Windows環(huán)境2) SQL Azure：云中關(guān)系數(shù)據(jù)庫(kù)，為云中基于SQL Server的關(guān)系型數(shù)據(jù)提供服務(wù)3) Windows Azure AppFabric：為在云中或本地系統(tǒng)中的應(yīng)用提供基于云的基礎(chǔ)架構(gòu)服務(wù)。6. HDFS是一個(gè)主從結(jié)構(gòu)的體系，HDFS集群有一個(gè)NameNode和很多個(gè)DataNode組成。 import 。import 。 public void reduce(Text key, IterableIntWritable values, Context context) throws IOException, InterruptedException { int sum = 0。//讀取TOP N } public void reduce(Text key, IterableIntWritable values, Context context) throws IOException, InterruptedException { int sum = 0。 IntWritable[] values = new IntWritable[3]。i++) { if(values[i]values[i+1]) { IntWritable temp = values[i]。i++) { (keys[i],values[i])。 ()。 }}2. 矩陣相乘（整數(shù)矩陣） 左矩陣的一行和右矩陣的一列組成一個(gè)InputSplit，其存儲(chǔ)b個(gè)key,value對(duì)，key存儲(chǔ)積矩陣元素位置，value為生成一個(gè)積矩陣元素的b個(gè)數(shù)據(jù)對(duì)中的一個(gè)；Map方法計(jì)算一個(gè)key,value對(duì)的value中數(shù)據(jù)對(duì)的積；而Reduce方法計(jì)算key值相同的所有積的和public class MatrixVectorCompute { public static class TokenizerMapper extends MapperObject, Text, Text, IntWritable { private Text lineNumber = new Text()。 (lineNumber, one)。 } } public static void main(String[] args) throws Exception { Configuration conf = new Configuration()。 (job, new Path(input))。（5）MapReduce框架實(shí)例化一個(gè)MultipleOutputFormat類，將結(jié)果輸出到文件