【分布式计算】二、架构(Architectures)
1.中心化架构(Centralized Architectures)
1.1.经典C/S模型
服务器:一个或多个进程提供服务
客户端:一个或多个进程使用服务
客户端和服务器可以在不同的机器上
客户端遵循请求/回复模型

1.2.传统三层视图
用户界面层(User-interface layer):包含了用于应用程序用户界面的单元,例如:显示display
处理层(Processing layer):包含应用程序的功能,即没有特定的数据。
数据层(Data layer):包含客户希望通过应用程序组件进行操作的数据

1.3.两层配置中的传统三层视图(适用于C/S模式)

中心架构的特点是需要一个管理者,但是单一节点存在以下问题:管理结点崩溃则系统崩溃、负载过大(性能下降甚至系统崩溃)。

怎么去解决??冗余!!!
对管理结点进行复制replicated manager。原有管理结点崩溃则激活使用冗余的结点

2.去中心化架构(Decentralized Architectures)
2.1.对等系统P2P(Peer-to-peer systems)
结构化P2P(structured):按照特定分布式数据结构组织节点
非结构化P2P:节点具有随机选择的邻居
混合P2P(hybrid):节点以组织良好的方式被指定成特殊功能
2.1.1.结构化P2P
基本理念:在结构化覆盖网络(如逻辑环)中组织节点,并使特定节点仅根据其ID负责服务;系统提供LOOKUP(密钥)操作,该操作将有效地将查找请求路由(指针表)到相关节点
覆盖网络(overlay network):物理网络之上的一层虚拟网络拓扑,直接与用户接口

2.1.2.非结构化P2P
基本理念:许多非结构化P2P系统以随机覆盖的方式组织:两个节点以概率p连接。
No LOOKUP operation, but searching:
洪泛(Flooding)
有限洪泛(Limited flooding: maximal steps
概率洪泛Probabilistic flooding: flood only with a certain probability
随机游走(Random walk):Randomly select a neighbor v. If v has the answer, it replies, otherwise v randomly selects one of its neighbors
2.1.3.混合P2P
C/S model combined with P2P

3.案例-Globule
一个用于可扩展的网络托管的开源协作内容交付网络

3.1三项主要任务
1.它必须能够在多个服务器之间分发托管网站的内容,并在出现更新时保持其一致性
2.它必须将客户端请求重定向到最佳可用服务器
3.它必须有效地将网站内容传递到客户。
上述任务当一些服务器关闭时也要在运行。
3.2.Globule – Supporting Web applications


对于具有所谓的高数据库查询位置的应用程序
我们在副本服务器上缓存数据库查询的结果。然后,可以根据本地缓存的数据库查询结果在复制副本上执行应用程序代码

问题??:如果有些数据被更改了,那么缓存的数据是不新鲜的,那么如何解决这个问题呢
「定时」刷新缓存
缓存和数据库一致性问题
当数据库查询位置较低时:
数据库查询缓存不会提供任何改进。
在每个副本服务器上复制基础数据库更有效
导致一致性问题。???

相关文章:
【分布式计算】二、架构(Architectures)
1.中心化架构(Centralized Architectures) 1.1.经典C/S模型 服务器:一个或多个进程提供服务 客户端:一个或多个进程使用服务 客户端和服务器可以在不同的机器上 客户端遵循请求/回复模型 1.2.传统三层视图 用户界面层&#x…...
Springboot对MVC、tomcat扩展配置
Springboot在web层的开发基本都是采用Springmvc框架技术,但是Springmvc中的某些配置在boot是没有的,我们就应该根据自己的需求进行对mvc扩展配置 Springboot1.x版本如何配置 通过注解Configuration一个类,继承webmvcconfigureradapter&#…...
网络子网划分练习
网络子网划分练习 1.背景: 在一个仓储企业网络拓朴结构如图1-所示,该企业占地500亩。有五层办公楼1栋,大型仓库10栋。每栋仓库内、外部配置视频监控16台,共计安装视频监控160台,Switch A、服务器、防火墙、管理机、Rou…...
Leetcode刷题笔记--Hot51-60
1--环形链表II 主要思路: 快慢指针,快指针每次走两步,慢指针每次走一步; 第一次相遇时,假设慢指针共走了 f 步,则快指针走了 2f 步; 假设起点到环入口结点的长度为 a(不包括入口结点…...
广告牌安全监测系统,用科技护航大型广告牌安全
城市的街头巷尾,处处可见高耸的广告牌,它们以各种形式和颜色吸引着行人的目光。然而,作为城市景观的一部分,广告牌的安全性常常被我们所忽视。广告牌量大面大,由于设计、材料、施工方法的缺陷,加上后期的检…...
volatile
什么是volatile volatile是Java提供的一种轻量级的同步机制。Java 语言包含两种内在的同步机制:同步块(或方法)和 volatile 变量,相比于synchronized(synchronized通常称为重量级锁),volatile更…...
JAVA:实现Excel和PDF上下标
1、简介 最近项目需要实现26个小写字母的上下标功能,自己去网上找了所有Unicode的上下标形式,缺少一些关键字母,顾后面考虑自己创建上下标字体样式,以此来记录。 2、Excel Excel本身是支持上下标,我们可以通过Excel单元格的样式来设置当前字体上下标,因使用的是POI的m…...
AI写稿软件,最新的AI写稿软件有哪些
写作已经成为各行各业无法绕开的重要环节。不论是企业的广告宣传、新闻媒体的报道、还是个人自媒体的内容创作,文字都扮演着不可或缺的角色。随着信息的爆炸式增长,写作的需求也不断攀升,这使得许多人感到困扰。时间不够用、创意枯竭、写作技…...
干货:数据仓库基础知识(全)
1、什么是数据仓库? 权威定义:数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。 1)数据仓库是用于支持决策、面向分析型数据处理; 2)对多个异构的数据源有效集…...
二分搜索简介
概念: 二分搜索算法(Binary Search)是一种高效的搜索算法,用于在有序数组中查找特定元素的位置。它的基本思想是将数组分为两部分,通过比较目标值与数组中间元素的大小关系,确定目标值可能存在的区间&…...
虚拟车衣VR云展厅平台扩大了展览的触达范围
传统展厅主要是以静态陈列的形式来传达内容,主要的展示形式有图片、视频等,具有一定的局限性,体验感较差,客户往往不能深入地了解信息和细节内容。 VR全景看车是通过虚拟现实技术实现逼真的汽车观赏和试乘体验。消费者可以通过智能…...
云部署家里的服务器
1.固定静态ip 查看ip地址,en开头的 ifconfig查看路由器ip,via开头的 ip route修改配置文件 cd /etc/netplan/ #来到这个文件夹 sudo cp 01-network-manager-all.yaml 01-network-manager-all.yaml.bak #先备…...
【利用冒泡排序的思想模拟实现qsort函数】
1.qsort函数 1.1qsort函数的介绍 资源来源于cplusplus网站 1.2qsort函数的主要功能 对数组的元素进行排序 对数组中由 指向的元素进行排序,每个元素字节长,使用该函数确定顺序。 此函数使用的排序算法通过调用指定的函数来比较元素对,并将指…...
[plugin:vite:css] [sass] Undefined mixin.
前言: vite vue3 TypeScript环境 scss报错: [plugin:vite:css] [sass] Undefined mixin. 解决方案: 在vite.config.ts文件添加配置 css: {preprocessorOptions: {// 导入scss预编译程序scss: {additionalData: use "/resources/_ha…...
【论文阅读】大语言模型中的文化道德规范知识
摘要: 在已有的研究中,我们知道英语语言模型中包含了类人的道德偏见,但从未有研究去检测语言模型对不同国家文化的道德差异。 我们分析了语言模型包含不同国家文化道德规范的程度,主要针对两个方面,其一是看语言模型…...
51单片机实训项目之产品数量计数器
/********************************************************************************* * 【实验平台】: QX-MCS51 单片机开发板 * 【外部晶振】: 11.0592mhz * 【主控芯片】: STC89C52 * 【编译环境】: Keil μVisio3 * 【程序…...
Scala第七章节
Scala第七章节 scala总目录 章节目标 掌握继承和抽象类相关知识点掌握匿名内部类的用法了解类型转换的内容掌握动物类案例 1. 继承 1.1 概述 实际开发中, 我们发现好多类中的内容是相似的(例如: 相似的属性和行为), 每次写很麻烦. 于是我们可以把这些相似的内容提取出来单…...
C语言进程的相关操作
C语言进程的相关操作 进程简介 每个进程都有一个非负整数形式到的唯一编号,即PID(Process Identification,进程标识)PID在任何时刻都是唯一的,但是可以重用,当进程终止并被回收以后,其PID就可…...
数据结构学习系列之链式栈
链式栈:即:栈的链式存储结构;分析:为了提高程序的运算效率,应采用头插法和头删法;进栈: int push_link_stack(stack_t *link_stack,int data) {if(NULL link_stack){printf("入参合理性检…...
too many session files in /var/tmp
Linux中Too many open files 问题分析和解决_e929: too many viminfo temp files-CSDN博客...
Mobocertinib莫博赛替尼副作用恶心及口腔炎如何有效处理【海得康】
在莫博替尼(Mobocertinib,商品名Exkivity)治疗EGFR外显子20插入突变非小细胞肺癌的临床实践中,恶心与口腔炎是两类最令患者苦不堪言的不良反应。它们不像腹泻那样来势汹涌、立竿见影,却以一种持续而隐蔽的方式侵蚀着患…...
Cursor Pro破解工具:5步实现永久免费使用的终极指南
Cursor Pro破解工具:5步实现永久免费使用的终极指南 【免费下载链接】cursor-free-vip [Support 0.45](Multi Language 多语言)自动注册 Cursor Ai ,自动重置机器ID , 免费升级使用Pro 功能: Youve reached your trial…...
Win11系统下Anaconda3-2022.10保姆级安装与避坑指南(附不勾选PATH的详细原因)
Win11系统下Anaconda3-2022.10深度安装指南与关键配置解析 在数据科学和机器学习领域,Anaconda已经成为Python环境管理的标准工具之一。对于Windows 11用户来说,正确安装和配置Anaconda是开启数据分析之旅的第一步。本文将深入探讨Anaconda3-2022.10版本…...
Cursor Pro无限使用终极指南:三步解锁AI编程神器的完整方案
Cursor Pro无限使用终极指南:三步解锁AI编程神器的完整方案 【免费下载链接】cursor-free-vip [Support 0.45](Multi Language 多语言)自动注册 Cursor Ai ,自动重置机器ID , 免费升级使用Pro 功能: Youve reached you…...
量子退火模拟磷酸铁锂充放电特性的技术解析
1. 量子退火模拟磷酸铁锂充放电特性的技术解析量子计算在材料科学领域的应用正掀起一场革命。作为量子计算的重要分支,量子退火技术为解决材料模拟中的组合优化问题提供了全新思路。本文将深入探讨如何利用量子退火技术模拟磷酸铁锂(LiFePO₄,…...
GraphAgent:大语言模型与图数据融合的智能体框架解析与实践
1. 项目概述:当大语言模型遇上图数据最近在折腾一些涉及复杂关系数据的项目,比如学术文献网络、社交关系分析,甚至是企业内部的知识库梳理。这些场景里,数据不只是孤立的文本或数字,它们之间充满了各种显式的连接&…...
Grav CMS 组合拳漏洞| CVE-2026-42613CVE-2026-42607复现研究
0x0 背景介绍 Grav是一个基于文件的Web平台。 在2.0.0-beta.2之前版本中,存在两个高危漏洞可导致组合利用权限提升漏洞->CVE-2026-42613 Grav的Login插件在处理用户注册请求时,未对请求数据中的groups/access字段进行服务端校验。当管理员在插件配置中…...
终极指南:3分钟实现GitHub全界面中文化,彻底消除语言障碍
终极指南:3分钟实现GitHub全界面中文化,彻底消除语言障碍 【免费下载链接】github-chinese GitHub 汉化插件,GitHub 中文化界面。 (GitHub Translation To Chinese) 项目地址: https://gitcode.com/gh_mirrors/gi/github-chinese GitH…...
RISC-V在AI与边缘计算领域的崛起:从开放架构到异构计算新范式
1. RISC-V在AI与边缘计算领域的崛起:一场意料之中的“超预期” 如果你最近关注处理器架构的新闻,大概率会被“RISC-V在AI领域超预期增长”这类标题刷屏。这不仅仅是媒体的噱头,而是正在硅谷和全球半导体设计实验室里发生的真实故事。作为一名…...
特征工程:从数据到特征
特征工程:从数据到特征 1. 技术分析 1.1 特征工程流程 特征工程是机器学习的核心环节: 特征工程流程数据理解 → 特征提取 → 特征选择 → 特征转换 → 特征验证1.2 特征类型 类型描述处理方法数值型连续数值归一化、标准化分类型类别标签独热编码、…...
