Onyx 下载:分布式计算系统

Onyx 0.9.10-beta2 和 beta3 发布了,Onyx 是一个无中心、支持云、容错的分布式计算系统(腾云科技ty300.com),使用 Clojure 编写(基础教程qkxue.net),支持批处理和流处理混合,提供信息模型用于描述和构建分布式工作流。本次更细暂无更新描述,可点击发行说明和提交记录以保持关注。

下载地址:

Onyx 0.9.10-beta2

Onyx 0.9.10-beta3

相关链接

时间: 2024-10-13 15:50:10

Onyx 下载:分布式计算系统的相关文章

Onyx 0.9.10-beta4 发布,分布式计算系统

Onyx 0.9.10-beta4 发布了,Onyx 是一个无中心.支持云.容错的分布式计算系统(腾云科技ty300.com),使用 Clojure 编写,支持批处理和流处理混合,提供信息模型用于描述和构建分布式工作流(基础教程qkxue.net).暂未发现更新描述,可点击发行说明和提交记录以保持关注. https://github.com/onyx-platform/onyx/releases/tag/0.9.10-beta4 https://github.com/onyx-platform/

分布式计算系统导论:原理与组成pdf

下载地址:网盘下载 内容提要 <分布式计算系统导论:原理与组成/普通高等教育"十一五"国家级规划教材>较全面地介绍分布式计算系统的原理与组成,包括命名.进程.通信.同步与互斥和多副本一致性技术,以及网络存储系统.分布式文件系统.分布式事务.面向对象的分布计算.面向服务的分布计算.公用服务分布计算和志愿参与分布计算的组成与结构.<分布式计算系统导论:原理与组成/普通高等教育"十一五"国家级规划教材>适合计算机及相关专业本科高年级学生.研究生.教

简介分布式计算系统的硬件架构

作者:朱金灿 来源:http://blog.csdn.net/clever101 一个分布式计算系统的硬件应该如何配置?个人愚见,应该根据分布式计算的计算类型来配置.分布式并行处理系统从磁盘I/O角度可以分为弱I/O和强I/O两种.一般的互联网大数据分析为弱I/O,这样存储可以采用分布式存储,具体为一个计算节点上挂一个大硬盘,典型例子为阿里云.架构图如下: 上图展示了Hadoop 系统的分布式存储和并行计算构架.从硬件体系结构上看,Hadoop 系统是一个运行于普通的商用服务器集群的分布式存储和

从Storm和Spark Streaming学习流式实时分布式计算系统的设计要点

0. 背景 最近我在做流式实时分布式计算系统的架构设计,而正好又要参见CSDN博文大赛的决赛.本来想就写Spark源码分析的文章吧.但是又想毕竟是决赛,要拿出一些自己的干货出来,仅仅是源码分析貌似分量不够.因此,我将最近一直在做的系统架构的思路整理出来,形成此文.为什么要参考Storm和Spark,因为没有参照效果可能不会太好,尤其是对于Storm和Spark由了解的同学来说,可能通过对比,更能体会到每个具体实现背后的意义. 本文对流式系统出现的背景,特点,数据HA,服务HA,节点间和计算逻辑间

Parallel Python——一个简易的分布式计算系统

如何搭建一个快速的分布式计算平台?Parallel python提供了简易的方式来实现此目的. Parallel Python(http://www.parallelpython.com/content/view/15/30/#QUICKCLUSTERS)是Python进行分布式计算的开源模块,能够将计算压力分布到多核CPU或集群的多台计算机上,能够非常方便的在内网中搭建一个自组织的分布式计算平台. 在不同节点运行服务器程序,并自动发现运行服务器的节点,命令如下: node-1> ./ppser

分布式基础学习(2)分布式计算系统(Map/Reduce)

二. 分布式计算(Map/Reduce) 分 布式式计算,同样是一个宽泛的概念,在这里,它狭义的指代,按Google Map/Reduce框架所设计的分布式框架.在Hadoop中,分布式文件 系统,很大程度上,是为各种分布式计算需求所服务的.我们说分布式文件系统就是加了分布式的文件系统,类似的定义推广到分布式计算上,我们可以将其视为增 加了分布式支持的计算函数.从计算的角度上看,Map/Reduce框架接受各种格式的键值对文件作为输入,读取计算后,最终生成自定义格式的输出文件. 而从分布式的角度

高效分布式计算系统:Spark

一. 什么是Spark? Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用的并行计算框架,Spark基于map reduce算法实现的分布式计算,拥有Hadoop MapReduce所具有的优点:但不同于MapReduce的是Job中间输出和结果可以保存在内存中,从而不再需要读写HDFS,因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法.其架构如下图所示: 二.Spark与Hadoop的对比 Spark的中间数

Spark:一个高效的分布式计算系统

http://tech.uc.cn/?p=2116 概述 什么是Spark Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用的并行计算框架,Spark基于map reduce算法实现的分布式计算,拥有Hadoop MapReduce所具有的优点:但不同于MapReduce的是Job中间输出和结果可以保存在内存中,从而不再需要读写HDFS,因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法.其架构如下图所示: Sp

Spark Standalone Mode 单机启动Spark -- 分布式计算系统spark学习(一)

spark是个啥? Spark是一个通用的并行计算框架,由UCBerkeley的AMP实验室开发. Spark和Hadoop有什么不同呢? Spark是基于map reduce算法实现的分布式计算,拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是Job中间输出和结果可以保存在内存中,从而不再需要读写HDFS,因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法. Spark的适用场景 Spark是基于内存的迭代计算框架,适用于需要多