Sample

1. 云計(jì)算是對(duì)并行計(jì)算、網(wǎng)格計(jì)算、分布式計(jì)算技術(shù)的發(fā)展與運(yùn)用

2. 從研究現(xiàn)狀上看，下面不屬于云計(jì)算特點(diǎn)私有化

超大規(guī)模、虛擬化、高可靠性

3. 與網(wǎng)絡(luò)計(jì)算相比，不屬于云計(jì)算特征的是適合緊耦合科學(xué)計(jì)算
4. 亞馬遜AWS提供的云計(jì)算服務(wù)類型是IaaS、PaaS、SaaS
5. 微軟于2008年10月推出云計(jì)算操作系統(tǒng)是Azure
6. 簡(jiǎn)單的理解為云計(jì)算等于資源的閑置而產(chǎn)生的√
7. 基于WEB服務(wù)同PaaS類似，服務(wù)提供者利用Web服務(wù)，通過(guò)Internet給軟件開(kāi)發(fā)者提供API應(yīng)用接口，而不是整個(gè)應(yīng)用程序。
8. 以下服務(wù)器虛擬化技術(shù)中需要修改Guest OS內(nèi)核的是半虛擬化
9. 虛擬機(jī)遷移過(guò)程中，遷移源主機(jī)在預(yù)復(fù)制步驟中第一次迭代把所有內(nèi)存內(nèi)容都復(fù)制到目標(biāo)主機(jī)中？
10. 遷移存儲(chǔ)設(shè)備的最大障礙在于需要占用大量時(shí)間和網(wǎng)絡(luò)帶寬，通常的解決辦法是以共享的方式共享數(shù)據(jù)和文件系統(tǒng)，而非真正遷移。
11. NAS (Network Attached Storage)網(wǎng)絡(luò)連接存儲(chǔ)技術(shù)存儲(chǔ)技術(shù)使用標(biāo)準(zhǔn)TCP/IP網(wǎng)絡(luò)協(xié)議加入網(wǎng)絡(luò)？
12. 服務(wù)器虛擬化的底層實(shí)現(xiàn)包括CPU虛擬化;內(nèi)存虛擬化;I/O虛擬化
13. 虛擬局域網(wǎng)(VLAN);虛擬專用網(wǎng)(VPN);虛擬網(wǎng)絡(luò)設(shè)備屬于比較常見(jiàn)的網(wǎng)絡(luò)虛擬化應(yīng)用
14. 軟件定義網(wǎng)絡(luò)（SDN）將網(wǎng)絡(luò)分為控制層;數(shù)據(jù)層
15. IaaS最標(biāo)志性的業(yè)務(wù)特征是按需計(jì)費(fèi)——效用計(jì)算
16. 虛擬化作用于IaaS技術(shù)架構(gòu)中動(dòng)態(tài)資源層
17. 管理層的作用是對(duì)動(dòng)態(tài)資源層進(jìn)行統(tǒng)一的運(yùn)維和管理資源配置、系統(tǒng)監(jiān)控、負(fù)載均衡
18. PaaS主要面向的用戶是應(yīng)用開(kāi)發(fā)者
19. 分布式技術(shù)是PaaS架構(gòu)中的關(guān)鍵技術(shù)
20. PaaS平臺(tái)層也叫作彈性計(jì)算層
21. 按照成熟度排列以下SaaS平臺(tái)架構(gòu)最成熟的架構(gòu)為可伸縮多租戶架構(gòu)
22. 卷是持久的塊存儲(chǔ)設(shè)備，可以附加到虛擬機(jī)實(shí)例，或者從虛擬機(jī)實(shí)例分離，關(guān)于卷操作不能實(shí)現(xiàn)的是可以將卷同時(shí)連接到多個(gè)虛擬機(jī)實(shí)例
23. 什么是docker虛擬化技術(shù)？Docker 是一個(gè)開(kāi)源的應(yīng)用容器引擎
24. Docker目前可以運(yùn)行在什么系統(tǒng)上？Linux
25. Docker跟KVM、Xen虛擬化的區(qū)別是？啟動(dòng)快，資源占用小，基于linux容器技術(shù)。
26. 使用Docker可以企業(yè)幫助解決什么問(wèn)題？服務(wù)器資源利用率不充分，部署難問(wèn)題。
27. docker如何進(jìn)入容器，命令格式是？docker -exec -it docker-id /bin/bash
28. 云計(jì)算就是把計(jì)算資源都放到上互聯(lián)網(wǎng)
29. 我們常提到的"Window裝個(gè) VMware裝個(gè)Linux虛擬機(jī)"屬于系統(tǒng)虛擬化
30. 虛擬化資源指一些可以實(shí)現(xiàn)一定操作具有一定功能，但其本身是虛擬
31. 集群在許多情況下，能夠達(dá)到99.999%的可用性。
32. GoogleGFS與開(kāi)源云計(jì)算系統(tǒng)HadoopHDFS相對(duì)應(yīng)的商用云計(jì)算軟件系統(tǒng)是
33. 云計(jì)算可以把普通的服務(wù)器或者PC連接起來(lái)以獲得超級(jí)計(jì)算機(jī)計(jì)算機(jī)的計(jì)算和存儲(chǔ)等功能，但是成本更低?！?/li>
34. 分布式是公有云計(jì)算基礎(chǔ)架構(gòu)的基石。
35. 云計(jì)算體系結(jié)構(gòu)的管理中間件層負(fù)責(zé)資源管理、任務(wù)管理用戶管理和安全管理等工作
36. 網(wǎng)格計(jì)算是利用因特網(wǎng)技術(shù)，把分散在不同地理位置的計(jì)算機(jī)組成一臺(tái)虛擬超級(jí)計(jì)算機(jī)。
37. 云計(jì)算里面面臨的一個(gè)很大的問(wèn)題，就是節(jié)能
38. RAID5有校驗(yàn)數(shù)據(jù)，提供數(shù)據(jù)容錯(cuò)能力
39. 監(jiān)控端監(jiān)控和計(jì)量云系統(tǒng)資源的使用情況，以便做出迅速反應(yīng)，完成節(jié)點(diǎn)同步配置、負(fù)載均衡配置和資源監(jiān)控，確保資源能順利分配給合適的用戶。
40. 虛擬化是私有云計(jì)算基礎(chǔ)架構(gòu)的基石。
41. 交互式服務(wù)是PaaS架構(gòu)中的關(guān)鍵技術(shù)
42. 定制開(kāi)發(fā)不是SaaS平臺(tái)的特點(diǎn)
43. 使用Docker可以企業(yè)幫助解決什么問(wèn)題？服務(wù)器資源利用率不充分，部署難問(wèn)題。
44. Docker是基于什么作為引擎的？LXC
45. 在Docke命令中，創(chuàng)建一個(gè)容器的命令是：dockerrun
46. GFS系統(tǒng)的特點(diǎn)：GFS采用中心服務(wù)器模式、不緩存數(shù)據(jù)、系統(tǒng)在用戶態(tài)下實(shí)現(xiàn)
47. MapReduce是一個(gè)抽象計(jì)算模型，封裝實(shí)現(xiàn)了并行處理、容錯(cuò)處理、本地化計(jì)算、負(fù)載均衡
48. 關(guān)于MapReduce編程模型的描述

• MapReduce的編程模型包含Map和Reduce兩
  個(gè)函數(shù)處理過(guò)程。
• 對(duì)于map和reduce每個(gè)過(guò)程都由不同的計(jì)算機(jī)
  進(jìn)行并行計(jì)算處理。
• Map的輸出結(jié)果是一組對(duì)，這是經(jīng)過(guò)Map操作
  后所產(chǎn)生的中間結(jié)果。
• Reduce的工作是對(duì)相同key的value值進(jìn)行歸并
  處理。

49. 關(guān)于BigTable正確的說(shuō)法有:

• BigTable的作用類似于數(shù)據(jù)庫(kù)。
• 可以為應(yīng)用提供簡(jiǎn)單的數(shù)據(jù)查詢功能。
• 可以為應(yīng)用提供簡(jiǎn)單的數(shù)據(jù)查詢功能。
  為第三方應(yīng)用提供數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)功能。

50. MapReduce實(shí)現(xiàn)機(jī)制中，Mapworker產(chǎn)生的中間結(jié)果最后保存到哪里，供Reduceworker讀取? Mapworker本地硬盤中

《云計(jì)算概論》期末考試試題-樣本

選擇題

1. 云計(jì)算是以服務(wù)的形式，按需向用戶提供計(jì)算資源的一種模式。
2. 云計(jì)算的特性：彈性資源分配、按需使用、多租戶
3. 傳統(tǒng)的加密、攻防技術(shù)是保障云計(jì)算安全的重要手段。
4. 能被虛擬化的IT資源：①計(jì)算節(jié)點(diǎn)；②存儲(chǔ)設(shè)備；③網(wǎng)絡(luò)設(shè)備；④電源
5. 操作系統(tǒng)級(jí)虛擬化的主要優(yōu)點(diǎn)是執(zhí)行效率高
6. 頁(yè)表壓縮法不是內(nèi)存虛擬化技術(shù)
7. 主機(jī)虛擬化技術(shù)中，性能最高的是半虛擬化
8. 存儲(chǔ)虛擬化依賴于分布式文件系統(tǒng)對(duì)不同存儲(chǔ)資源的整合。
9. 云存儲(chǔ)設(shè)備機(jī)制提供的常見(jiàn)數(shù)據(jù)存儲(chǔ)邏輯單元包括①文件；②塊；③數(shù)據(jù)集；④對(duì)象
10. 虛擬交換不可以實(shí)現(xiàn)跨交換設(shè)備的網(wǎng)絡(luò)鏈路資源整合。
11. 多租戶技術(shù)需要滿足隔離性、可恢復(fù)性、可擴(kuò)展性等多個(gè)要求。
12. 私有云不需要呈現(xiàn)技術(shù)。
13. 云計(jì)算環(huán)境下的虛擬化攻擊指利用虛擬化平臺(tái)中的漏洞來(lái)危害虛擬化平臺(tái)的攻擊類型。
14. 信任邊界重疊使得惡意用戶可以通過(guò)威脅共享資源實(shí)現(xiàn)對(duì)其他用戶的攻擊。
15. 可用性（availability）是在特定的時(shí)間段內(nèi)可以訪問(wèn)和可以使用的特性。
16. 威脅作用者可以來(lái)自內(nèi)部也可以來(lái)自外部。
17. 網(wǎng)絡(luò)虛擬化：

• 網(wǎng)絡(luò)虛擬化的主要目標(biāo)是實(shí)現(xiàn)網(wǎng)絡(luò)即服務(wù)的功能。
• 虛擬網(wǎng)路可以實(shí)現(xiàn)同一物理主機(jī)上的多個(gè)虛擬機(jī)之間的互聯(lián)。
• VLAN是網(wǎng)絡(luò)虛擬化的一個(gè)重要實(shí)現(xiàn)方式。
• 虛擬交換可以實(shí)現(xiàn)跨交換設(shè)備的網(wǎng)絡(luò)鏈路資源整合。

18. 自動(dòng)伸縮機(jī)制描述：

• 自動(dòng)伸縮的判定條件可以是云用戶發(fā)送的請(qǐng)求的數(shù)量。
• 自動(dòng)伸縮的判定條件可以是虛擬機(jī)節(jié)點(diǎn)的資源占用率。
• 自動(dòng)伸縮機(jī)制可以通過(guò)云用戶自定義的參數(shù)值自動(dòng)地進(jìn)行IT資源的分配。
• 通常部署在靠近防火墻的位置，來(lái)自動(dòng)追蹤負(fù)載狀態(tài)信息

19. 當(dāng)云服務(wù)實(shí)例出錯(cuò)而不可用時(shí)，下面那個(gè)應(yīng)對(duì)策略是不可以接受的重啟云服務(wù)實(shí)例
20. 關(guān)于按使用付費(fèi)監(jiān)控器的說(shuō)法：

• 按使用付費(fèi)監(jiān)控器需要監(jiān)控用戶請(qǐng)求數(shù)量、傳送數(shù)據(jù)量、服務(wù)實(shí)例的狀態(tài)等。
• 按使用付費(fèi)監(jiān)控器通常部署在防火墻的位置。
• 按使用付費(fèi)監(jiān)控器用于測(cè)量用戶對(duì)云資源的使用情況以便計(jì)費(fèi)。
• 按使用付費(fèi)監(jiān)控器的實(shí)現(xiàn)方式： 監(jiān)控代理、資源代理

21. 故障轉(zhuǎn)移系統(tǒng)的主要功能是在服務(wù)失效時(shí)自動(dòng)切換到冗余的資源或者實(shí)例上去
22. 云負(fù)載均衡架構(gòu)提高服務(wù)能力、可擴(kuò)展性、提高可用性、可靠性、改進(jìn)負(fù)載均衡和資源優(yōu)化
23. IaaS是PaaS和SaaS的基礎(chǔ)和必要條件。
24. 層次資源池架構(gòu)中資源池可以構(gòu)成以下哪種關(guān)系parent關(guān)系、sibling關(guān)系、nested關(guān)系
25. 動(dòng)態(tài)可擴(kuò)展架構(gòu)中動(dòng)態(tài)擴(kuò)展類型包括動(dòng)態(tài)水平擴(kuò)展、動(dòng)態(tài)垂直擴(kuò)展、動(dòng)態(tài)重定位
26. 直接I/O訪問(wèn)架構(gòu)使用到的相關(guān)代理包括①云使用監(jiān)控器；②邏輯網(wǎng)絡(luò)邊界；③按使用付費(fèi)監(jiān)控器；④資源復(fù)制
27. 機(jī)會(huì)成本不屬于商業(yè)成本指標(biāo)

概念解釋題

1. 根據(jù)自己的理解，對(duì)“云計(jì)算”這一概念進(jìn)行解釋和闡述。

• 定義：云計(jì)算是以服務(wù)的形式，按需向用戶提供計(jì)算資源的一種模式。它是分布式計(jì)算的一種特殊形式，引入了效用模型來(lái)遠(yuǎn)程供給可擴(kuò)展和可測(cè)量的資源。

• 云計(jì)算是一種基于互聯(lián)網(wǎng)的計(jì)算方式，通過(guò)這種方式，共享的軟硬件資源和信息可以按需提供給計(jì)算機(jī)和其他設(shè)備。

• 云其實(shí)是網(wǎng)絡(luò)、互聯(lián)網(wǎng)的一種比喻說(shuō)法。

• 云計(jì)算的核心思想，是將大量用網(wǎng)絡(luò)連接的計(jì)算資源統(tǒng)一管理和調(diào)度，構(gòu)成一個(gè)計(jì)算資源池向用戶按需服務(wù)。提供資源的網(wǎng)絡(luò)被稱為“云”。

云計(jì)算就是將計(jì)算機(jī)的各種服務(wù)通過(guò)網(wǎng)絡(luò)提供給用戶使用。這種服務(wù)可以是IT和軟件、互聯(lián)網(wǎng)相關(guān)的服務(wù)，也可以是其他的服務(wù)。

2. 云的部署模型有哪些？各有什么特點(diǎn)和應(yīng)用場(chǎng)景？能是什么？請(qǐng)分別進(jìn)行解釋。

• 公有云( public cloud）是由第三方云提供者擁有的可公共訪問(wèn)的云環(huán)境。

公有云里的IT資源通常是按照事先描述好的云交付模型提供的，而且一般是需要付費(fèi)才能提供給云用戶的,或者是通過(guò)其他途徑商業(yè)化的（例如廣告)。

• 社區(qū)云類似于公有云，只是它的訪問(wèn)被限制為特定的云用戶社區(qū)。社區(qū)云可以是社區(qū)成員或提供具有訪問(wèn)限制的公有云的第三方云提供者共同擁有的。社區(qū)的云用戶成員通常會(huì)共同承擔(dān)定義和發(fā)展社區(qū)云的責(zé)任。

• 私有云是由一家組織單獨(dú)擁有的。私有云使得組織把云計(jì)算技術(shù)當(dāng)做一種手段，可以集中訪問(wèn)不同部分、位置或部門的IT資源。

• 混合云是由兩個(gè)或者更多不同云部署模型組成的云環(huán)境。例如，云用戶可能會(huì)選擇把處理敏感數(shù)據(jù)的云服務(wù)部署到私有云上，而將其他不那么敏感的云服務(wù)部署到公有云上。這種組合就得到了混合部署模型。

• 公有云是第三方所有的，通常向云用戶組織提供商業(yè)化的云服務(wù)和IT資源。
• 私有云是僅被一家組織所擁有的，并且位于該組織的范圍之內(nèi)。
• 社區(qū)云一般只能被一組共享?yè)碛袡?quán)和責(zé)任的云用戶訪問(wèn)。
• 混合云是兩種或多種云部署模型的組合。

3. 闡述云服務(wù)擁有者、云服務(wù)用戶、云資源管理者的基本概念，以及相互的關(guān)系。

• 在法律上擁有云服務(wù)的個(gè)人或者組織稱為云服務(wù)擁有者( cloud service owner)。云服務(wù)擁有者可以是云用戶，或者是擁有該云服務(wù)所在的云的云提供者。

• 云用戶( cloud consumer）是組織機(jī)構(gòu)（或者人)，他們與云提供者簽訂正式的合同或者約定來(lái)使用云提供者提供的可用的IT資源。具體來(lái)說(shuō)，云用戶使用云服務(wù)用戶( a cloudservice consumer)來(lái)訪問(wèn)云服務(wù)。

• 云資源管理者( cloud resource administrator)是負(fù)責(zé)管理基于云的IT資源（包括云服務(wù))的人或者組織。云資源管理者可以是(或者說(shuō)屬于）云服務(wù)所屬的云的云用戶或云提供者。還一種可能性是，云資源管理者可以是（或者說(shuō)屬于）簽訂了合約來(lái)管理基于云的IT資源的第三方組織。

• 云資源管理者可以屬于云用戶組織，管理屬于該云用戶的可遠(yuǎn)程訪問(wèn)的IT資源
• 云資源管理者可以屬于云提供者組織，為云提供者組織管理其內(nèi)部和外部可用的IT資源

討論分析題

1. 分析討論不同層次、粒度的負(fù)載均衡機(jī)制的作用及特性。

• 二層負(fù)載就是數(shù)據(jù)鏈路負(fù)載，三層就是網(wǎng)絡(luò)層負(fù)載，四層就是傳輸層負(fù)載，七層就是應(yīng)用層負(fù)載。
• 二層負(fù)載添加額外的數(shù)據(jù)鏈路來(lái)提供傳輸能力，一般是邏輯上的捆綁。提供虛擬MAC地址接收數(shù)據(jù)，再轉(zhuǎn)發(fā)到真正的MAC主機(jī)上。方法主要有鏈路聚合方法和PPP捆綁。
• 三層負(fù)載提供虛擬IP接收數(shù)據(jù)，然后轉(zhuǎn)發(fā)到真正的IP主機(jī)上。一般是通過(guò)F5硬件來(lái)提供這種負(fù)載。
• 四層負(fù)載是IP+PORT負(fù)載，提供虛擬的IP和端口接收數(shù)據(jù)后轉(zhuǎn)發(fā)到真正服務(wù)器上。
• 七層負(fù)載是URL負(fù)載，提供虛擬URL或主機(jī)名接收數(shù)據(jù)后轉(zhuǎn)發(fā)到真正的地址。

2. 分析NoSQL數(shù)據(jù)庫(kù)的特點(diǎn)并討論與傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)之間的關(guān)系。

• 特點(diǎn)：1、易擴(kuò)展2、大數(shù)據(jù)量、高性能3、靈活的數(shù)據(jù)模型4、高可用

• 1）關(guān)系數(shù)據(jù)庫(kù)讀寫(xiě)慢，處理海量數(shù)據(jù)效率低下。而NoSQL處理數(shù)據(jù)快，適合于云計(jì)算中處理大量數(shù)據(jù)，支持海量數(shù)據(jù)的分布式存儲(chǔ)。

• 2）關(guān)系數(shù)據(jù)庫(kù)支持SQL而NoSQL不支持。

• 3）NoSQL不是關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)，它支持處理非結(jié)構(gòu)化的數(shù)據(jù)，主要用于云計(jì)算上。而傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)則很難處理大量的非結(jié)構(gòu)化數(shù)據(jù)。

• 4）關(guān)系數(shù)據(jù)庫(kù)成本高，NoSQL數(shù)據(jù)庫(kù)成本低廉。

• 5）關(guān)系數(shù)據(jù)庫(kù)很難實(shí)現(xiàn)擴(kuò)展，通常是縱向擴(kuò)展，但到達(dá)一定程度時(shí)只能橫向擴(kuò)展。而NoSQL很容易實(shí)現(xiàn)可伸縮性，包括向上擴(kuò)展與水平擴(kuò)展。

3. 討論VIM的基本功能及其在自動(dòng)伸縮、虛擬機(jī)遷移、負(fù)載均衡等架構(gòu)中的作用。

VIM（虛擬化基礎(chǔ)設(shè)施管理）：用來(lái)管理一系列跨多個(gè)服務(wù)器的IT資源。

• 自動(dòng)伸縮：VIM可以根據(jù)自動(dòng)伸縮監(jiān)控器的命令對(duì)IT資源進(jìn)行增大或縮小來(lái)實(shí)現(xiàn)動(dòng)態(tài)自動(dòng)伸縮。
• 虛擬機(jī)遷移：VIM可以把虛擬服務(wù)器在線遷移到另一臺(tái)物理服務(wù)器上。
• 負(fù)載均衡的虛擬服務(wù)器實(shí)例架構(gòu)：容量看門狗監(jiān)控器向VIM報(bào)告過(guò)度使用的情況，VIM給負(fù)載均衡器發(fā)信號(hào)，讓它根據(jù)預(yù)先定義的閾值重新分配工作負(fù)載。
• 虛擬機(jī)監(jiān)控器機(jī)制：VIM提供了一組特性來(lái)管理跨物理服務(wù)器的多虛擬機(jī)監(jiān)控器。當(dāng)虛擬服務(wù)器底層的物理服務(wù)器正在被其他虛擬服務(wù)器使用，VIM決定無(wú)法進(jìn)行擴(kuò)展。VIM命令繁忙的物理服務(wù)器上的虛擬機(jī)監(jiān)控器掛起該服務(wù)器的執(zhí)行。然后VIM命令在空閑的物理服務(wù)器上實(shí)例化該虛擬服務(wù)器。VIM命令新物理服務(wù)器上的虛擬機(jī)監(jiān)控器繼續(xù)執(zhí)行虛擬服務(wù)器的處理。

機(jī)制/架構(gòu)設(shè)計(jì)題

1. 請(qǐng)?jiān)O(shè)計(jì)一個(gè)針對(duì)虛擬機(jī)失效場(chǎng)景的虛擬機(jī)遷移機(jī)制，描述其主要操作。

虛擬機(jī)遷移：VIM可以把虛擬服務(wù)器在線遷移到另一臺(tái)物理服務(wù)器上。

1. 快照技術(shù)

snapshot（快照）就是將虛擬機(jī)的各種狀態(tài)全部記錄下來(lái)，存進(jìn)硬盤里，等待下一次開(kāi)啟虛擬機(jī)的時(shí)候讀取，這些狀態(tài)包括：

• vCPU 狀態(tài)(寄存器等)
• I/O設(shè)備狀態(tài)
• 虛擬磁盤狀態(tài)(利用寫(xiě)時(shí)拷貝技術(shù))
• 所有的內(nèi)存狀態(tài)（實(shí)現(xiàn)最困難）

2. 內(nèi)存遷移

內(nèi)存是最難處理的，因?yàn)樗恢痹谧兓?nèi)存實(shí)時(shí)讀寫(xiě)，導(dǎo)致我們沒(méi)有辦法截取某一時(shí)刻對(duì)內(nèi)存進(jìn)行拷貝。這就形成了兩種處理方法：

• pre-copy

1. 將當(dāng)前時(shí)刻所有的內(nèi)存狀態(tài)復(fù)制并發(fā)送到遠(yuǎn)程服務(wù)器，先不管實(shí)時(shí)更新的內(nèi)存狀態(tài)；
2. 將新時(shí)刻的已改變的內(nèi)存復(fù)制并發(fā)送到遠(yuǎn)程服務(wù)器；
3. 如果贓頁(yè)太多，到達(dá)了閾值，停止虛擬機(jī)，復(fù)制剩余的贓頁(yè)，vcpu和內(nèi)存狀態(tài)
4. 遠(yuǎn)程重啟虛擬機(jī)。

• post-copy

1. 先將vCPU狀態(tài)復(fù)制到遠(yuǎn)程主機(jī)
2. 虛擬機(jī)操作將會(huì)導(dǎo)致頁(yè)錯(cuò)誤
3. 一旦遠(yuǎn)程主機(jī)可以被訪問(wèn)，直接將錯(cuò)誤頁(yè)拷貝到遠(yuǎn)程主機(jī)

Another：

虛擬機(jī)監(jiān)控器集群架構(gòu)（Hypervisor Clustering Architecture）

1. 建立了一個(gè)跨多個(gè)物理服務(wù)器的高可用虛擬機(jī)監(jiān)控器集群。

2. 虛擬機(jī)監(jiān)控器集群由中心VIM控制，通過(guò)常規(guī)心跳消息來(lái)監(jiān)測(cè)虛擬機(jī)監(jiān)控器的狀態(tài)。當(dāng)物理機(jī)或者Hypervisor失效時(shí)使用共享云存儲(chǔ)設(shè)備進(jìn)行VM在線遷移。

3. VM在線遷移是一個(gè)具有在運(yùn)行時(shí)將虛擬服務(wù)器或虛擬服務(wù)器實(shí)例重新放置能力的系統(tǒng)。

按照預(yù)先定義好的計(jì)劃，物理服務(wù)器之間以及和VIM之間相互交換心跳消息（5）。

物理服務(wù)器B失效且變得不可用時(shí)，危及到虛擬服務(wù)器C（6）。其余物理服務(wù)器和VIM停止收到來(lái)自物理服務(wù)器B的心跳信息。

在評(píng)估了集群中其他虛擬機(jī)監(jiān)控器的可用容量之后，VIM 選擇物理服務(wù)器C作為虛擬服務(wù)器C的新主機(jī)（8）。

虛擬服務(wù)器C在線遷移到物理服務(wù)器C上運(yùn)行的虛擬監(jiān)控器上，在正常操作繼續(xù)進(jìn)行前，可能需要重啟虛擬服務(wù)器（9）。

2.設(shè)計(jì)一個(gè)用于SaaS服務(wù)的云應(yīng)用程序的自動(dòng)伸縮機(jī)制，并描述其主要構(gòu)成部分和各自功能。

自動(dòng)伸縮機(jī)制主要構(gòu)成部分：

1. 負(fù)載均衡：負(fù)載均衡算法，健康檢查和會(huì)話保持，這三個(gè)Feature是保證負(fù)載均衡正常工作的基本要素。
2. 數(shù)據(jù)庫(kù)讀寫(xiě)分離
3. 數(shù)據(jù)庫(kù)垂直切分/水平切分

程序設(shè)計(jì)題

請(qǐng)?jiān)O(shè)計(jì)一個(gè)MapReduce程序用于統(tǒng)計(jì)某學(xué)校學(xué)生成績(jī)的分布，按照不及格（60分以下）、一般（60~69）、中等（70~79）、良好（80~89），優(yōu)秀（90以上）幾個(gè)個(gè)類別進(jìn)行統(tǒng)計(jì)，得出各自的人次。假設(shè)成績(jī)信息保存在一個(gè)大的文本文件中，每一行包括課程號(hào)、課程名稱、學(xué)號(hào)、學(xué)生姓名、成績(jī)（百分制），數(shù)據(jù)項(xiàng)由空格隔開(kāi)。

請(qǐng)用簡(jiǎn)潔的文字或者偽碼描述所設(shè)計(jì)的MapReduce程序，包括主要操作及步驟。

import java.io.IOException;
import java.util.StringTokenizer;
 
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
 
public class Test {
	/*
 	* MapReduceBase類:實(shí)現(xiàn)Mapper和Reducer接口的基類    
 	* Mapper接口： 
 	* WritableComparable接口：實(shí)現(xiàn)WritableComparable的類可以相互比較。所有被用作key的類要實(shí)現(xiàn)此接口。    
 	*/  
  public static class TokenizerMapper 
       extends Mapper<Object, Text, Text, IntWritable>{
 	/*
	*LongWritable,IntWritable,Text是Hadoop中實(shí)現(xiàn)的用于封裝Java數(shù)據(jù)類型的類，這些類實(shí)現(xiàn)了WritableComparable接口，
	*都能夠被串行化，便于在分布式環(huán)境中進(jìn)行數(shù)據(jù)交換，可以視為long,int,String數(shù)據(jù)類型的替代。
	*/
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();//Text實(shí)現(xiàn)了BinaryComparable類，可以作為key值

	/*
	* Mapper接口中的map方法： 
	* void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)
	* 映射一個(gè)單個(gè)的輸入<K1,V1>對(duì)到一個(gè)中間輸出<K2,V2>對(duì) 
	* 中間輸出對(duì)不需要和輸入對(duì)是相同的類型，輸入對(duì)可以映射到0個(gè)或多個(gè)輸出對(duì)。 	
	* OutputCollector接口：收集Mapper和Reducer輸出的<K,V>對(duì)。 
	* OutputCollector接口的collect(k, v)方法:增加一個(gè)(k,v)對(duì)到output 
	* Reporter 用于報(bào)告整個(gè)應(yīng)用的運(yùn)行進(jìn)度
     */  

    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
                    
			//每一行包括課程號(hào)、課程名稱、學(xué)號(hào)、學(xué)生姓名、成績(jī)（百分制），數(shù)據(jù)項(xiàng)由空格隔開(kāi)。
            String string = value.toString();
            //按行分割
            String[] strings = string.split("\n");
            for (int i = 0; i < strings.length; i++) {
                //以空格分割
                String[] data = strings[i].split(" ");
                //數(shù)組第5個(gè)元素是成績(jī)
                double score = Double.parseDouble(data[4]);
                //以成績(jī)進(jìn)行分割
                if (score < 60) {
                    k.set("不及格");
                    v.set(1);
                } else if (score >= 60 && score < 70) {
                    k.set("一般");
                    v.set(1);
                } else if (score >= 70 && score < 80) {
                    k.set("中等");
                    v.set(1);
                } else if (score >= 80 && score < 90) {
                    k.set("良好");
                    v.set(1);
                } else if (score >= 90) {
                    k.set("優(yōu)秀");
                    v.set(1);
                }
                //生成key value鍵值對(duì)
                context.write(k, v);
    	}
  }
 
  public static class IntSumReducer 
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

	 /*
	 * reduce過(guò)程是對(duì)輸入鍵值對(duì)洗牌（Shuffing）形成<K2,list(V2)>格式數(shù)據(jù)（僅以test1.txt為例)：
	 * (優(yōu)秀[1,1,1,1...])
	 * 作為reduce的輸入
	 */
    public void reduce(Text key, Iterable<IntWritable> values, 
                       Context context
                       ) throws IOException, InterruptedException {
		int count = 0;
        //遍歷values
        for (IntWritable v : values) {
            int value = v.get();
            count += value;
        }
        //匯總每個(gè)分?jǐn)?shù)段的人數(shù)（求和）
        context.write(key, new IntWritable(count));
	}
}
  public static void main(String[] args) throws Exception { 
	   // 1 獲取配置信息以及封裝任務(wù)
       Configuration configuration = new Configuration();
       Job job = Job.getInstance(configuration);
       // 2 設(shè)置jar加載路徑
       job.setJarByClass(RatingDemo.class);
       // 3 設(shè)置map和reduce類
       job.setMapperClass(MyMap.class);
       job.setReducerClass(MyReduce.class);
       // 4 設(shè)置map輸出
       job.setMapOutputKeyClass(Text.class);
       job.setMapOutputValueClass(IntWritable.class);
       // 5 設(shè)置最終輸出kv類型
       job.setOutputKeyClass(Text.class);
       job.setOutputValueClass(IntWritable.class);
       // 6 設(shè)置輸入和輸出路徑
       Path input = new Path("/input/report.txt");
       FileInputFormat.addInputPath(job, input);
       Path output = new Path("/output/result");
       //判斷output文件夾是否存在，如果存在則刪除
       if (output.getFileSystem(configuration).exists(output)) {
           output.getFileSystem(configuration).delete(output);
       }
       FileOutputFormat.setOutputPath(job, output);
       //等待計(jì)算完成
       boolean completion = job.waitForCompletion(true);
       if (completion) {
           System.out.println("計(jì)算成功！");
       } else {
           System.out.println("計(jì)算失?。?);
       }
  }
}

MapReduce采用"分而治之"的思想，把對(duì)大規(guī)模數(shù)據(jù)集的操作，分發(fā)給一個(gè)主節(jié)點(diǎn)管理下的各個(gè)分節(jié)點(diǎn)共同完成，然后通過(guò)整合各個(gè)節(jié)點(diǎn)的中間結(jié)果，得到最終結(jié)果。MapReduce框架負(fù)責(zé)處理了并行編程中分布式存儲(chǔ)、工作調(diào)度、負(fù)載均衡、容錯(cuò)均衡、容錯(cuò)處理以及網(wǎng)絡(luò)通信等復(fù)雜問(wèn)題。將處理過(guò)程高度抽象為兩個(gè)函數(shù)：map和reduce。

map負(fù)責(zé)把任務(wù)分解成多個(gè)任務(wù)；
reduce負(fù)責(zé)把分解后多任務(wù)處理的結(jié)果匯總起來(lái)。

注：MapReduce處理的數(shù)據(jù)集必須可以分解成許多小的數(shù)據(jù)集，而且每一個(gè)小數(shù)據(jù)集都可以完全并行地進(jìn)行處理。不是關(guān)系型數(shù)據(jù)庫(kù)，而是結(jié)構(gòu)化的。

map處理階段：

對(duì)于給定的待處理文本文檔，其map階段的處理如下：

通過(guò)Text對(duì)象，獲取文本文檔的內(nèi)容。
逐行處理文檔，將單詞提取出來(lái)。
每個(gè)單詞為key，對(duì)應(yīng)的value設(shè)為1，將<k2,v2>對(duì)輸出。

關(guān)鍵性說(shuō)明：

map階段的處理，主要是如何對(duì)文本進(jìn)行逐行的單詞分割，從而獲取單詞，以及將鍵值對(duì)分發(fā)到各個(gè)節(jié)點(diǎn)（此處由hadoop隱性提供，用戶先不必關(guān)心hdfs存儲(chǔ)過(guò)程）。
可以參考的單詞分割提取代碼模板如下：

public void map(Object key,Text value,Context context)throws IOException,InterruptedException  
{  
    //對(duì)文本內(nèi)容對(duì)象value進(jìn)行分割  
    StringTokenizer itr=new StringTokenizer(value.toString());    
    while(itr.hasMoreTokens()) {  
        String word=itr.nextToken();/*獲取分割好的單詞*/
        /*  
        可以在該循環(huán)體中，使用獲取好的單詞word變量進(jìn)行key和value的設(shè)定。  
        */  
    }  
}  

reduce處理階段
在Wordcount的reduce階段，主要是將每個(gè)單詞的數(shù)量統(tǒng)計(jì)出來(lái)，包括：

在各個(gè)節(jié)點(diǎn)并行循環(huán)統(tǒng)計(jì)每個(gè)單詞出現(xiàn)的次數(shù)。
將各個(gè)節(jié)點(diǎn)的結(jié)果匯總以list(<k3,v3>)的形式輸出。

reduce函數(shù)參考模板：

public void reduce(Object key,Iterable<IntWritable> values,Context context)throws IOException, InterruptedException  
{  
    int count=0;  
    for(IntWritable itr:vlaues)  
    {  
        count += itr.get();  /*循環(huán)統(tǒng)計(jì)*/  
    }
    /*統(tǒng)計(jì)完成后，將結(jié)果輸出.....*/  
}  

來(lái)源：中山大學(xué)本科生期末考試

加油!

感謝!

努力!文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-787650.html

到了這里，關(guān)于《云計(jì)算技術(shù)與應(yīng)用》最新章節(jié)測(cè)試答案的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！