【正文】 其低成本，高性能，小型化 （ 2U或 24英寸機(jī)架） 已經(jīng)吸引了不少客戶 。 我們所用的特殊 p5 575測試系統(tǒng)擁有 16個(gè) 8位酷睿單元 和 32GB（ 1G= 1,073 ， 741824字節(jié)）的主 存 。 處理器速度是 。 它也有自己的專用 DS4100存儲控制器。 我們選擇的 BladeCenter作為我們的向外 擴(kuò)展平臺。 第一種 在 商業(yè)計(jì)算成為流行的 向外擴(kuò)展系統(tǒng) 是機(jī)架式集群。 BladeCenter的刀片服務(wù)器 使用 和 機(jī)架式集群服務(wù)器 相似的能力 ： 4處理器的配置， 1632培養(yǎng)基的最大內(nèi)存，內(nèi)置以太網(wǎng)，并擴(kuò)展卡兩種光纖通道， Infiniband的 ， Myri的，或 10Gbit/s以太網(wǎng)。 BladeCenterH是最新的 IBM BladeCenter機(jī)架 。它也有 多 達(dá) 兩個(gè)管理單元， 4個(gè)交換機(jī)模塊，四橋模塊和四個(gè)高速交換機(jī)模塊 的 空間。 ） 我們在每個(gè)機(jī)架配備 兩個(gè) 1Gbit/s以太網(wǎng)交換機(jī)模塊和 2個(gè)光纖通道交換機(jī)模塊。每一個(gè)刀片（ JS21， HS21，或 LS21）既有本地磁盤驅(qū)動(dòng)器（ 73 GB的容量） 也有 雙光纖通道的網(wǎng)絡(luò)適配器。 大約一半的集群（ 4底盤）組成 JS21刀片。每一個(gè)刀片有 8GiB的內(nèi)存。 DS4100存儲子系統(tǒng)包括雙存儲控制器，每一個(gè) 都配有 2Gb/s的光纖通道接口，并且在主要抽屜中容納了 14個(gè) SATA驅(qū)動(dòng)器。 3 Nutch / Lucene的工作量 Nutch / Lucene是一種執(zhí)行搜索應(yīng)用 的框架 。 我們已經(jīng)習(xí)慣了 谷歌和雅虎 這樣 開放互聯(lián)網(wǎng)運(yùn)作的搜索引擎。 Nutch / Lucene完全是基于 Java和其代碼 的開源性 。在本文中，我們列出 查詢結(jié)果的組成部分。 抓取操作是瀏覽和檢索信息的網(wǎng)頁， 然后輸入將要搜索的文本信息 。 爬行可以 同時(shí)在 內(nèi)部網(wǎng)絡(luò)（內(nèi)聯(lián)網(wǎng)）以及外部網(wǎng)絡(luò)（因特網(wǎng)） 內(nèi)執(zhí)行。 無論是 有意 還是 無意， 總有許多的網(wǎng)站 難以檢索 到 。 在 Nutch / Lucene的搜索框架 包含 一個(gè)使用 MapReduce編程模型 的 并行索引操作書面。MapReduce在 2020年出版了谷歌 網(wǎng)站 ，并迅速成為這 類 工作量 分析的 標(biāo)準(zhǔn)。 首先， 將要建立的 數(shù)據(jù)分割成大致相同大小 的部分 。這相當(dāng)于在地圖階段， 用 MapReduce 。當(dāng)所有的按鍵 都 處理 后 ，我們有完整的關(guān)鍵字集作 為整個(gè)數(shù)據(jù)集。 執(zhí)行查詢功能的時(shí)候，索引格式被提交給搜索引擎， 然后檢索文件， 得到 最符合 要求的結(jié)果 。查詢引擎部分 包含一個(gè)或多個(gè)前臺， 一個(gè)或多個(gè) 后臺 。 驅(qū)動(dòng)作為外圍 用戶 的 代表也是衡量查詢 性能的一個(gè)關(guān)鍵點(diǎn) ，每秒查詢（ qps） 。 前 臺緊接著分派查詢?nèi)蝿?wù)給所有的后臺 。每個(gè)文件返回 一個(gè)百分?jǐn)?shù)值 ， 以此 量化 查詢匹配度 。一旦前 臺產(chǎn)生了 該 列表 ， 它會練習(xí)后臺根據(jù)索引目錄檢索文章的片段 。前臺一次只能與一個(gè)后臺建立聯(lián)系 ，從后臺數(shù)據(jù)段對應(yīng)的文檔中回復(fù)片段 。高度并行性的工作量，再加上在 處理器 、 網(wǎng)絡(luò)和存儲的可擴(kuò)展性 方面的可預(yù)測性 ，使得向外擴(kuò)展 成為搜索方面的完美候選 。這 與目前已有的 大型共享存儲系統(tǒng)的科 技 計(jì)算 已經(jīng)沒有太大的差別。 向外 擴(kuò)展 的 系統(tǒng) 在 系統(tǒng)管理 方面仍然不如向上擴(kuò)展 。 外文文獻(xiàn)原文 : Abstract Scaleup solutions in the form of large SMPs have represented the mainstream of mercial puting for the past several years. The major server vendors continue to provide increasingly larger and more powerful machines. More recently, scaleout solutions,in the form of clusters of smaller machines, have gained increased acceptance for mercial puting. Scaleout solutions are particularly effective in highthroughput webcentric this paper, we investigate the behavior of two peting approaches to parallelism, scaleup and scaleout, in an emerging search application. Our conclusions show that a scaleout strategy can be the key to good performance even on a scaleup machine. Furthermore, scaleout solutions offer better price/performance, although at an increase in management plexity. 1 Introduction During the last 10 years of mercial puting,we have witnessed the plete replacement of uniprocessor puting systems by multiprocessor ones. The revolution that started in the early to mideighties in scientific and technical puting finally caught up with the bulk of the marketplace in the midniies. We can classify the different approaches to employmultiprocessor systems for puting (both mercial and technical/scientific) into two large groups: Scaleout: The deployment of applications on multiple small interconnected servers (clusters). During the first phase of the multiprocessor revolution in mercial puting, the dominance of scaleup was clear. SMPs of increasing size, with processors of increasing clock rate, could offer ever more puting power to handle the needs of even the largest currently represent the mainstream of mercial puting. Companies like IBM, HP and Sun invest heavily in building bigger and better SMPs with each generation. More recently, there has been an increase in interest in scaleout for mercial puting. For many of the new webbased enterprises (., Google, Yahoo, eBay, Amazon), a scale out approach is the only way to deliver the necessary putational power. Also, puter manufacturers have made it easier to deploy scaleout solutions with rackoptimized and bladed servers. (Scaleout has been