cluster

我觉得王康慧老师那边挺好的，你可以考虑一下。

是啊!检查一下再下定论!

在定义Service的时候可以指定一个自己需要的类型的Service，如果不指定的话默认是ClusterIP类型。 可以使用的服务类型如下： 通过集群的内部 IP 暴露服务，选择该值，服务只能够在集群内部可以访问，这也是默认的Service类型。ClusterIP类型的service创建时，k8s会通过etcd从可分配的IP池中分配一个IP，该IP全局唯一，且不可修改。所有访问该IP的请求，都会被iptables转发到后端的endpoints中。 通过每个 Node 节点上的 IP 和静态端口（NodePort）暴露服务。NodePort 服务会路由到 ClusterIP 服务，这个 ClusterIP 服务会自动创建。通过请求 :，可以从集群的外部访问一个 NodePort 服务。 需要外部支持（GCP and Azure），用户访问service.spec.external-ip,该IP对应到一个外部负载均衡的vip，外部服务对这个vip的请求，会被loadbalancer通过健康检查和转发，发送到一个运行着该服务pod的node上，并同样通过nodePort里的端口映射，发送给容器。 用户可以指定一个任意的名字，作为该service被解析的CNAME,这种类型的servcie不用指定clusterIP，因此kube-proxy不会管理这类service，这类service需要使用1.7版本以上的kubedns。 (1)创建whoami-deployment.yaml文件 (2)运行yaml文件并查看pod以及service (3)在集群内正常访问 (4)创建whoami的service 注意：该地址只能在集群内部访问 **可以发现有一个Cluster IP类型的service，名称为whoami-deployment，IP地址为10.97.233.149 (5)通过Service的Cluster IP访问 (6)具体查看一下whoami-deployment的详情信息，发现有一个Endpoints连接了具体3个Pod (7)下面通过deployment对whoami扩容成5个 (8)再次访问：curl 10.97.233.149:8000 (9)再次查看service具体信息：kubectl describe svc whoami-deployment (10)其实对于Service的创建，不仅仅可以使用kubectl expose，也可以定义一个yaml文件 总结：其实Service存在的意义就是为了Pod的不稳定性，而上述探讨的就是关于Service的一种类型Cluster IP，只能供集群内访问。 因为外部能够访问到集群的物理机器IP，所以就是在集群中每台物理机器上暴露一个相同的IP，从给定的配置范围内（默认：30000-32767）分配端口 (1)根据whoami-deployment.yaml创建pod (2)创建NodePort类型的service，名称为whoami-deployment (3)注意上述的端口31999，实际上就是暴露在集群中物理机器上的端口 (4)浏览器通过物理机器的IP访问 使用浏览器访问： 总结：NodePort虽然能够实现外部访问Pod的需求，但这种方法有许多缺点： 1.每个端口只能是一种服务 2.端口范围只能是 30000-32767 3.如果节点/VM 的 IP 地址发生变化，你需要能处理这种情况 基于以上原因，我不建议在生产环境上用这种方式暴露服务。如果你运行的服务不要求一直可用，或者对成本比较敏感，你可以使用这种方法。这样的应用的最佳例子是 demo 应用，或者某些临时应用。 因篇幅太长分为两章来写。

1. 分布式存储部分是做为mysql的一种存储引擎实现的（NDB），上层SQL没有感知，所以SQL层应该没有支持分布式并行查询处理。OceanBase的基于代价的查询优化器对于大查询会充分发挥分布式数据库的并行处理能力。再如OB分布式执行计划可以下压到存储所在机器。而ndb node实现存储引擎接口没有复杂的查询处理能力。2. Mysql cluster中主备同步是用两阶段提交实现的，这个有点无语。另外REDO日志异步写入，延时一秒。也就是说宕机会丢一秒的事务，想象一下双十一每秒17万笔交易丢失……这块是它的整体架构导致事务层实现机制的问题。btw，mysql cluster属于分布式数据库，mysql主从几节点都不是分布式数据库。

首先你这个是不是重装系统后，开机出现的问题，还是之前就一直这样。我的解决方法是：之前我的四个盘全用FAT32分区的,后来C盘分区用FAT32,其它盘用NTFS。FAT32这个分区格式最大只适合分30G，我总共是250G，用这种格式就影响了开机时间，一般来说只是系统盘用FAT32这种格式，NTFS这个是大容量的分区格式，如果是你的硬盘是160G,那么这种分区格式应该是C盘用FAT32格式，其它盘用NTFS格式，应该就可以解决了。你可以打开我的电脑，在每一个盘符上右健---属性就可以看到这个盘是用的什么分区格式了，只要你的硬盘是80G，用FAT32这种格式就没错，但超过80G就得按：C盘用FAT32格式，其它盘用NTFS格式。不知是否可以帮到你，至少我的是这样解决的，希望对你有用。

转至： https://www.cnblogs.com/ITtangtang/p/7967386.html 每个Spark executor作为一个YARN容器(container)运行。Spark可以使得多个Tasks在同一个容器(container)里面运行 1. Spark支持资源动态共享，运行于Yarn的框架都共享一个集中配置好的资源池 2. 可以很方便的利用Yarn的资源调度特性来做分类、隔离以及优先级控制负载，拥有更灵活的调度策略 3. Yarn可以自由地选择executor数量 4. Yarn是唯一支持Spark安全的集群管理器，使用Yarn，Spark可以运行于Kerberized Hadoop之上，在它们进程之间进行安全认证 我们知道Spark on yarn有两种模式：yarn-cluster和yarn-client。这两种模式作业虽然都是在yarn上面运行，但是其中的运行方式很不一样，今天就来谈谈Spark on YARN yarn-client模式作业从提交到运行的过程剖析 Spark运行模式： 在Yarn-client中，Driver运行在Client上，通过ApplicationMaster向RM获取资源。本地Driver负责与所有的executor container进行交互，并将最后的结果汇总。结束掉终端，相当于kill掉这个spark应用。 因为Driver在客户端，所以可以通过webUI访问Driver的状态，默认是 http://hadoop1:4040 访问，而YARN通过http:// hadoop1:8088访问 因为是与Client端通信，所以Client不能关闭。 客户端的Driver将应用提交给Yarn后，Yarn会先后启动ApplicationMaster和executor，另外ApplicationMaster和executor都 是装载在container里运行，container默认的内存是1G，ApplicationMaster分配的内存是driver- memory，executor分配的内存是executor-memory。同时，因为Driver在客户端，所以程序的运行结果可以在客户端显 示，Driver以进程名为SparkSubmit的形式存在。 应用的运行结果不能在客户端显示（可以在history server中查看），所以最好将结果保存在HDFS而非stdout输出，客户端的终端显示的是作为YARN的job的简单运行状况，下图是yarn-cluster模式 [图片上传失败...(image-107978-1592274191581)] 执行过程： 比以前的更多的理解： （1）Application Master所在的NodeManager是Yarn随机分配的，不是在主节点上，下图是实验室集群上跑得一个Spark程序，tseg0是主节点，tseg1~tseg4是workers，IP10.103.240.29指的是tseg3: （2）在上图还可以看出，executor的容器和AM容器是可以共存的，它们的封装都是容器； （3）AM是Yarn启动的第一个容器； （4）AM所在的NodeManager就是平常说的Driver端，因为这个AM启动了SparkContext，之前实验室说的“谁初始化的SparkContext谁就是Driver端”一直理解错了，以为这句话是相对于机器说的，但其实是相对于Cluster和Client的集群模式来说的（不知道其他模式Mesos、standalone是不是也是这样）。 （5）在Application提交到RM上之后，Client就可以关闭了，集群会继续运行提交的程序，在实际使用时，有时候会看到这样一种现象，关闭Client会导致程序终止，其实这个Application还没有提交上去，关闭Client打断了提交的过程，Application当然不会运行。 （1）YarnCluster的Driver是在集群的某一台NM上，但是Yarn-Client就是在RM的机器上； （2）而Driver会和Executors进行通信，所以Yarn_cluster在提交App之后可以关闭Client，而Yarn-Client不可以； （3）Yarn-Cluster适合生产环境，Yarn-Client适合交互和调试。 下表是Spark Standalone与Spark On Yarn模式下的比较

　　park支持可插拔的集群管理模式（Standalone、Mesos以及YARN ），集群管理负责启动executor进程，编写Spark application 的人根本不需要知道Spark用的是什么集群管理。　　Spark支持的三种集群模式，这三种集群模式都由两个组件组成：master和slave。　　Master服务（YARN ResourceManager,Mesos master和Spark standalone master）决定哪些application可以运行，什么时候运行以及哪里去运行。　　而slave服务（ YARN NodeManager, Mesos slave和Spark standalone slave）实际上运行executor进程。　　当在YARN上运行Spark作业，每个Spark executor作为一个YARN容器（container）运行。　　Spark可以使得多个Tasks在同一个容器（container）里面运行。　　这是个很大的优点。

1.Authentication to the ricci agent at node1 failed修改ricci的密码就可以了passwd ricci 然后重启ricci服务2.Unable to establish an SSL connection to node1:11111 after 5 tries.确保ricci正常启动，如果启动正常，查看是不是iptables的设置问题，可以直接把iptables关掉3.、提示node1不是集群节点一般都是因为cman 和 rgmanager没有起来导致的，启动cman和rgmanager刷新下。4.启动cman的时候报错一般是因为NetworkManager在启动的原因，把NetworkManager关掉即可，并设置成开机关闭。5.重启报错：Kernel panic not syncing :Attempted to kill init!发现是自己吧selinux文件中的selinuxType修改错误导致的。改过来就行了！6.创建Cluster的时候提示node1 not a cluster member可尝试手动先启动rgmanager 然后启动cman7.node无法发现iscsi目标：No portals found修改openfile vi /etc/initiators.deny 把要发现的目标注释掉

硬盘有坏道，文件丢失。

中文意思是集群，oracle clusterware 是oracle的一部分。

flex和actionscript有什么区别as语言是flash基础脚本语言flex是flash的负责公司针对flash太依赖美工的特性（有时间轴 有绘图工具等），而另外开发出一套适合程序员的框架程序它的核心是as3 css mxml(组件)，程序员只负责逻辑部分及框架架设龚偿夺锻懿蹬额拳帆哗即可，素材由美工处理，然后使用外部swc形式打包进flex项目编译，最终生成swf文件另外flex较as3的优势，它是一个框架，所以它支持类似div+css的自动布局特性（即可以定义某些容器自动右对齐，底对齐，而不用写任何自适应代码），而且flex里有大量的自带组件，同时其它程序员也有发布大量第三方优秀组件，方便程序员快速开发部署程序可能类似java的原始语言 和 struxxx那个框架的区别吧

clusters of chocolate-covered raisins巧克力覆盖葡萄簇

解决方法：1）开机马上按F8不动到高级选项出现在松手，选“最近一次的正确配置”回车修复，还不行按F8进入安全模式还原一下系统或重装系统（如果重装也是死机，建议还是检修一下去，如果可以进入安全模式，说明你安装了不合适的东西，将出事前下载的不合适东西全部卸载，或还原系统或重装）。先软后硬，出现这样的问题是软件冲突、驱动不合适、系统问题引起的，可以在安全模式还原一下系统，还是不行重新安装操作系统，不要安装软件、补丁、驱动等，看看开机还有问题吗？如果没有在逐步的安装驱动、补丁、软件，找出不合适的东西就不要安装了。在有就是硬件引起的，扣出主板电池放一下电，插拔一下内存、显卡清一下灰，在检查硬盘是否有问题，不行就检修一下去吧。2）如果总是这样，先软后硬，重新安装操作系统，不要安装软件、补丁、驱动等，看看开机还有问题吗？如果没有在逐步的安装驱动、补丁、软件，找出不合适的东西就不要安装了（有问题请你追问我）。请注意：如果还原系统或重装后，安装驱动、补丁、软件等东西时，一定要将影响你这次出事的东西不要在安装上去了，否则就白还原或重装了。3）硬件方面，如硬盘、内存、显卡、主板等是否出现问题，如果是硬件问题引起的，建议检修一下去。

拿oracle而言。oracle就是数据库。而比如你的数据库下面建了3个库比如：orcl、ppl、cla 那么这些就是实例。楼上说了一堆废话。。

是说你未定义集群，你先在工程编辑器里面定义集群，然后所定义的变量和各种设置都要选择该集群就不会出现这个提示啦

可能是你非正常关机或误操作造成的磁盘逻辑坏道，在重新开机后系统进行的自检修复，你只要等它自检修复完成自动进入系统，其间不要按任何键，下次开机就不会了。

A new proof of the existence of initial consonant clusters in ancient chinese 古汉语中有复辅音声母新证 Eight important topics are included , such as “ vowel sounds ” , “ consonant clusters ” , “ stress and rhythm ” , “ sounds in connected speech ” , “ intonation ” and so on 全书分为八大主题，将语言的元素逐一分解，并针对所有发音的细节作详细介绍，包括：母音、子音、子音群、重音与节奏、连音、语调等。

在可视化界面菜单栏，点击Find clusters第二步：点击K聚类。注意：如果出现如下提示，只需连续点击确定即可。第三步：点击LLR算法。（当然也可以试试其他算法）CiteSpace 又翻译为“引文空间”，是一款着眼于分析科学分析中蕴含的潜在知识，是在科学计量学、数据可视化背景下逐渐发展起来的引文可视化分析软件。由于是通过可视化的手段来呈现科学知识的结构、规律和分布情况，因此也将通过此类方法分析得到的可视化图形称为“科学知识图谱”。CiteSpace作为一款优秀的文献计量学软件，能够将文献之间的关系以科学知识图谱的方式可视化的展现在操作者面前，既能帮助我们梳理过去的研究轨迹，也能使得我们对未来的研究前景有一个大概的认识。

downclusters，指的是绒毛，就是长在羽毛下面的绒绒feathers是羽毛其实羽绒指的是羽和绒，雨就是羽毛，绒就是绒毛，两个概念啦。downclusters的含量越多，越暖和的哦~

不会变，簇表只是存储的方式不同，相当于几张表捆在一起，当你总是需要同时从这几张表中读取数据的时候，簇表有利于提升性能。另外，簇表是建立时指定的。你所说的跟cluster table 没有半毛钱关系。

Cluster sampling is a sampling technique used when "natural" groupings are evident in a statistical population. It is often used in marketing research. In this technique the total population is divided into these groups (or clusters) and a sample of the groups is selected. Then the required information is collected from the elements within each selected group. This may be done for every element in these groups or a subsample of elements may be selected within each of these groups. The technique works best when most of the variation in the population is within the groups not beeen them 整群抽样 (Cluster sampling) 目录 1 什么是整群抽样 2 整群抽样的优缺点 3 整群抽样的实施步骤 4 整群抽样与分层抽样的匹别 什么是整群抽样 整群抽样又称聚类抽样。是将总体中各单位归并成若干个互不交叉、互不重复的 *** ，称之为群；然后以群为抽样单位抽取样本的一种抽样方式。 整群抽样应用整群抽样时，要求各群有较好的代表性，即群内各单位的差异要大，群间差异要小。 整群抽样的优缺点 整群抽样的优点是实施方便、节省经费； 整群抽样的缺点是往往由于不同群之间的差异较大，由此而引起的抽样误差往往大于简单随机抽样。 整群抽样的实施步骤 先将总体分为i个群，然后从i个群钟随即抽取若干个群，对这些群内所有个体或单元均进行调查。抽样过程可分为以下几个步骤： 　　一、确定分群的标注 　　二、总体（N）分成若干个互不重叠的部分，每个部分为一群。 　　三、据各样本量，确定英国抽取的群数。 　　四、采用简单随机抽样或系统抽样方法，从i群中抽取确定的群数。 整群抽样与分层抽样的匹别 整群抽样与分层抽样在形式上有相似之处，但实际上差别很大。 分层抽样要求各层之间的差异很大，层内个体或单元差异小，而整群抽样要求群与群之间的差异比较小，群内个体或单元差异大； 分层抽样的样本时从每个层内抽取若干单元或个体构成，而整群抽样则是要么整群抽取，要么整群不被抽取。

这是个倒装句，正常语序是：A cluster of neurons deep in the brain known as the amygdala is at its core.表位置关系的的介词短语（这里是at its core)放在句首时用全部倒装语序========如有疑问，马上追问！祝学习进步========

使用 ConsensusClusterPlus 的主要三个步骤： 首先收集用于聚类分析的数据，比如 mRNA 表达微阵列或免疫组织化学染色强度的实验结果数据。输入数据的格式应为矩阵。下面以 ALL 基因表达数据为例进行操作。 取矩阵中 MAD 值 top 5000 的数据： 先设定几个参数： 这时工作路径的文件夹会出现9张图。 查看一下结果： 分别为图例、 k = 2, 3, 4, 5 时的矩阵热图。

区别在于：strata指的是地层;地层;岩层( stratum的名词复数 );社会阶层。clusters指的是簇;（果实、花等的）串( cluster的名词复数 );（人、物等的）群;组。例句辨析：strata1、Contained within the rock strata is evidence that the region was intensely dry 15,000 years ago. 岩层中有证据表明，该地区在15,000年前曾经非常干旱。2、This is a problem that cuts across all strata of society. 这是一个影响到一切社会阶层的问题。3、Erosion of gently dipping strata commonly results in the formation of asymmetricalridges known as cuestas. 轻微倾斜地层的侵蚀通常造成非对称的山脊，称为单面山。clusters1、It bears clusters of mauve flowers in early summer. 初夏时节，它开出了一簇簇淡紫色的花。2、Sometimes several clusters of white clouds drift across the blue sky. 蔚蓝色的天空中，时而飘过几朵白云。3、Tombstones jutted out of the ground in broken clusters.墓碑三三两两地竖立在地面上。

微生物hierarchical clustering tree怎么分析反渗透是用足够的压力使溶液中的溶剂（一般常指水）通过反渗透膜（一种半透膜）而分离出来,方向与渗透方向相反,可使用大于渗透压的反渗透法进行分离、提纯和浓缩溶液.利用反渗透技术可以有效的去除水中的溶解盐、胶体,细菌、病毒、细菌内毒素和大部分有机物等杂质.反渗透膜的主要分离对象是溶液中的离子范围,无需化学品即可有效脱除水中盐份,系统除盐率一般为98%以上.所以反渗透是最先进的也是最节能、环保的一种脱盐方式,也已成为了主流的预脱盐工艺.

你的inputs和targets的数据的名字怎么都叫data 呀，你是不是在选择了inputs之后又进行了什么操作。其实没有什么行列要求的，只要你的输入和输出的行相等(此时选中matrix row)或者列相等（此时选中matrix column ）就行了.至于权重什么的那些这个工具箱会自动帮你搞定的，

聚类是数据分析的一项基本任务。近年来，从深度学习方法中获得灵感的深度聚类获得了最先进的性能，并引起了广泛的关注。目前的深度聚类方法通常利用深度学习强大的表示能力来提高聚类结果，例如autoencoder，这表明学习一种有效的聚类表示是一个至关重要的要求。深度聚类方法的优点是从数据本身中提取有用的表示，而不是从数据的结构中提取有用的表示，这在表示学习中很少受到关注。基于图卷积网络(GCN)在图结构编码方面取得的巨大成功，我们提出了一种结构化深度聚类网络(SDCN)，将 结构信息 整合到深度聚类中。具体来说，我们设计了一个 传递算子 ，将自动编码器学习到的表示转换到相应的GCN层，并设计了一个 双自监督机制 来统一这两种不同的深层神经结构，引导整个模型的更新。通过这种方式， 从低阶到高阶的多种数据结构自然地与自动编码器学习到的多种表示相结合 。此外，我们从理论上分析了传递算子，即通过传递算子，GCN将自编码器特有的表示改进为高阶图正则化约束，而自编码器有助于缓解GCN中的过平滑问题。通过全面的实验，我们证明我们所提出的模型可以始终比最先进的技术表现得更好。 论文关注点：在DEC的单视图深度聚类的模型中扩展了关于结构信息的捕获，并使用GCN结构来捕获。在相比于GAE的结构，关于GCN的部分并没有采用临接矩阵的重建来进行监督，而是在此基础上利用聚类的目标分布信息 构造了另外的 结构分布 ，以量化结构信息的监督。 图注： 和 分别是输入数据和重建数据。 和 分别是DNN和GCN模块第 层的输出。不同的颜色代表从DNN中学习到的不同的表征 。蓝色实线表示目标分布 是由分布 计算出来的，两条红色虚线表示双重自我监督机制。目标分布 同时指导DNN模块和GCN模块的更新。 总述：首先根据原始数据构造一个KNN图。然后将原始数据 和KNN图 分别 输入到AE和GCN中。作者将AE的每一层与相应的GCN层连接起来，这样就可以通过 传递操作符 将特定于AE的表示集成到结构感知的表示中。同时，提出了一种双重自我监督机制来监督AE和GCN的训练过程。 b：一般情况下在介绍AE结构时所说的层数，指的是出去输入层和重建层之外的，第一个隐藏层到Code层的层数 DNN模块采用的是具有 层的基础AE结构，这里将不进行赘述。 step-：获得第 层的卷积操作输出结果 对于每一层的结果的卷积操作是与图神经一致的，但是在输出的构造上，作者连接了DNN模块对应层的表示形式（will be propagated through the normailized adjacency matrix），如图中选择了平衡因子来组合来自DNN和GCN的信息。 step-：但对于第一层的输出只保留了来自原始 。 step-：在关于结构信息分布的构造上，则是采用了多分类的softmax层获取。 结果 表示概率样本 属于聚类中心 ，我们可以将 视为概率分布。 目标函数优点: (1)与传统的多分类损失函数相比，KL散度以一种更加“温和”的方式更新整个模型（soft labels），防止数据表示受到严重干扰; (2) GCN和DNN模块统一在同一个优化目标上，使其在训练过程中结果趋于一致。 因为DNN模块和GCN模块的目标是近似目标分布 ，而这两个模块之间有很强的联系，所以称其为双重自我监督机制。 论文中使用GCN+不同层AE的表达以添加结构，实验结果验证了模型的有效性，并且给出了理论支持。整体实验很完整。对于样本间关系的构造上，给出了新的思路，并且开启了关于总体样本结构的进一步探索。 关于理论支持这一块没有看，待续。。

from sklearn.cluster import SpectralClustring as SC# X is the data you want to make cluster onspectral_cluster = SC(n_clusters=256).fit(X)result = spectral_cluster.labels_

一般常见有两种原因：一是：matlab版本过低，你需要在调用语句之前定义好函数，或者新建脚本定义函数；二是：你这代码就是抄来的，没抄全，这个函数的调用没抄；

谱聚类概念 ： 谱聚类是一种基于图论的聚类方法，通过对样本数据的拉普拉斯矩阵的特征向量进行聚类，从而达到对样本数据聚类的母的。谱聚类可以理解为将高维空间的数据映射到低维，然后在低维空间用其它聚类算法（如KMeans）进行聚类。 算法步骤 1 计算相似度矩阵 W 2 计算度矩阵 D 3 计算拉普拉斯矩阵L=D-W 4 计算L的特征值，将特征值从小到大排序，取前k个特征值.将这个特征值向量转换为矩阵 5 通过其他聚类算法对其进行聚类，如k-means 详细公式和概念请到 大佬博客 相比较PCA降维中取前k大的特征值对应的特征向量，这里取得是前k小的特征值对应的特征向量。但是上述的谱聚类算法并不是最优的，接下来我们一步一步的分解上面的步骤，总结一下在此基础上进行优化的谱聚类的版本。 python实现 例子一：使用谱聚类从噪声背景中分割目标 效果图 例子2：分割图像中硬币的区域 效果图 注意 1）当聚类的类别个数较小的时候，谱聚类的效果会很好，但是当聚类的类别个数较大的时候，则不建议使用谱聚类； （2）谱聚类算法使用了降维的技术，所以更加适用于高维数据的聚类； （3）谱聚类只需要数据之间的相似度矩阵，因此对于处理稀疏数据的聚类很有效。这点传统聚类算法（比如K-Means）很难做到 （4）谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间上聚类且收敛于全局最优解 （5）谱聚类对相似度图的改变和聚类参数的选择非常的敏感； （6）谱聚类适用于均衡分类问题，即各簇之间点的个数相差不大，对于簇之间点个数相差悬殊的聚类问题，谱聚类则不适用； 参考 谱聚类算法介绍 sklearn官网

CLP和REACH是两部不同的欧盟法规，针对化学品。（一）CLP法规CLP法规（Classification,labelingandpackaging）即欧盟1272/2008号法规，全称为物质和混合物(配制品)的分类、标签和包装法规。同时，CLP法规也是全球统一的分类与标签系统(GHS)在欧盟的具体体现，已于2009年1月20日正式生效。CLP法规生效后，企业的义务：1、提供并传递符合CLP的安全数据表(SDS)。SDS旧称为MSDS。2、协同进口商进行分类标签(C&L)通报（二）REACH法规欧盟于2008年6月1日开始实施，全称为“Registration,Evaluation,AuthorisationandRestrictionofChemicals”的化学品注册、评估、许可和限制法规（以下简称REACH法规），注册是该法规下最主要的义务。注册物质范围：●投放欧盟市场超过1吨/年的化学物质；●投放欧盟市场的配制品中超过1吨/年的化学物质组分；●投放欧盟市场的物品中有意释放的化学物质，且总量超过1吨/年。注：物品中有意释放物质：在正常或合理可预见的使用情况下有意从物品中释放的物质，通常为了实现该物品的某种辅助功能，如橡皮中的香味物质。注册主体：●欧盟境内的物质、配制品、物品生产商：●欧盟境内的物质、配制品、物品进口商；●非欧盟物质、配制品、物品生产商：必须通过欧盟境内的唯一代表（OR）来履行注册义务。

在计算机中，集群（clustering）是使用多个计算机，如典型的个人计算机或UNIX工作站，多个存储设备和记忆冗余的互连线路来组成一个对用户来说单一的、高可用的系统。集群计算（clustering computing）能够被用来实现负载均衡。集群的倡导者提出，对一个企业来说，集群在许多情况下能够达到99.999%的可用性。集群的一个主要思路是，对外接来说，集群就像是一个唯一的系统。集群的一个常用用途就是在一个高流量的网站中实现负载均衡。一个网页请求被送到“管理者”服务器，然后此服务器决定此请求由几个相同Web服务器中的哪一个进行处理。这种Web Farm（根据配置有时候被这样称呼）将能够提升通信量和处理速度。集群最早是在20世纪80年代DEC的VMS系统中出现的，IBM的sysplex是与集群接近的大型主机系统。微软、Sun微系统，以及其它主导硬件和软件流的公司提供有集群包，并保证提供可扩展性和可用性。随着通信量和可用性保证的增加，集群的整个部分或局部零件的大小与数量都可以增加。集群计算还可以被用来进行低廉的并行计算，这些并行计算通常为科学研究或其它需要并行运算的应用服务。一个著名的例子就是裴欧沃夫（Beowulf）计划，它使用一定数量现成的个人计算机组成集群来实现科学应用。

whose可以指代人,也可以指代事件的.是“他的”或“他们的”意思.uniting在这里应该是动词用为形容词用,表示“主要的相关联的特点”.

stata panels are not nested within clustersSTATA面板不能嵌套在集群stata panels are not nested within clustersSTATA面板不能嵌套在集群

1.将需要操作的key计算出对应的solt，得到hostAndPort，分组存放在一个map中。(Map<JedisPool, List<String>> node2keys = new HashMap<>()) 2.通过得到的JedisPool,分开使用jedis的pipeline执行 3.将返回数据组装返回 1.先得到一个JedisCluster 2.实现key的分组 调用示例

redis.conf配置改logfile “”改为logfile /tmp/redis7000.log

一、使用 SQL Server Management Studio使用对象资源管理器创建聚集索引在“对象资源管理器”中，展开要创建聚集索引的表。右键单击“索引”文件夹，指向“新建索引”，然后选择“聚集索引…”。在“新建索引”对话框的“常规”页中，在“索引名称”框中输入新索引的名称。在“索引键列”下，单击“添加…”。在“从 table_name 中选择列”对话框中，选中要添加到聚集索引的表列的复选框。单击“确定”。在“新建列”对话框中，单击“确定”。使用表设计器创建聚集索引在“对象资源管理器”中，展开要使用聚集索引创建表的数据库。右键单击“表”文件夹，然后单击“新建表…”。右键单击上面创建的新表，然后单击“设计”。在“表设计器”菜单上，单击“索引/键”。在“索引/键”对话框中，单击“添加”。从“选定的主/唯一键或索引”文本框中选择新索引。在网格中，选择“创建为聚集的”，然后从该属性右侧的下拉列表中选择“是”。单击“关闭”。在“文件”菜单上，单击“保存 table_name”。二、使用 Transact-SQL创建聚集索引在“对象资源管理器”中，连接到 数据库引擎的实例。在标准菜单栏上，单击“新建查询”。将以下示例复制并粘贴到查询窗口中，然后单击“执行”。USE yourdatabase;GOCREATE TABLE dbo.TestTable (TestCol1 int NOT NULL, TestCol2 nchar(10) NULL, TestCol3 nvarchar(50) NULL);GO-- Create a clustered index called IX_TestTable_TestCol1-- on the dbo.TestTable table using the TestCol1 column.CREATE CLUSTERED INDEX IX_TestTable_TestCol1 ON dbo.TestTable (TestCol1); GO

clustered index 聚集索引，这类索引是在数据存在一起的。non-clustered 非聚集索引，这类索引是通过找聚集索引来找数据的。两个索引的非叶子节点都是B+或是二叉树之类的，能快速查找的结构。

band cluster带簇.-----------------------------------如有疑问欢迎追问！满意请点击右上方【选为满意回答】按钮

create clustered index index_name on table(column); --------------------- 补充--------------------------聚簇索引 是建立在聚簇列上的。你这有聚簇列吗？

clustered index 聚集索引，这类索引是在数据存在一起的。non-clustered 非聚集索引，这类索引是通过找聚集索引来找数据的。两个索引的非叶子节点都是B+或是二叉树之类的，能快速查找的结构。

指的是聚集索引,索引可分聚集和非聚集索引，这两者区别比较多，但是最主要的区别是：一个表的聚集索引只能有一个，是因为数据行在保存的时候，是按聚集索引的顺序保存的，你可以把它简单的理解成物理存储的位置，这里涉及到页面的概念，你可以查查看。就是物理磁盘上分很多页面，一个有聚集索引的表，他的页面链是按聚集索引排列的，举个例子，如果一个页面已经写满了数据，你要插入一行，如果是非聚集索引，sql会随便找个地方保存，把地址记录进索引，但是如果是聚集索引，会把数据插入到这个页面，而后面的数据同时会往后移动(用页面拆分的办法)，看上去速度要慢，但是聚集索引在搜索时，速度会比非聚集索引快，因为他们是物理排序的

主键（sno,cno）为非聚集索引，唯一键（sno）为聚集索引。 clustered 和nonclustered指定为 PRIMARY KEY 或 UNIQUE 约束创建聚集或非聚集索引。PRIMARY KEY 约束默认为 CLUSTERED；UNIQUE 约束默认为 NONCLUSTERED。 聚集索引的区别　　聚集索引:物理存储按照索引排序　　非聚集索引:物理存储不按照索引排序优势与缺点聚集索引：插入数据时速度要慢（时间花费在“物理存储的排序”上，也就是首先要找到位置然后插入）,查询数据比非聚集数据的速度快聚集索引的区别　　聚集索引:物理存储按照索引排序　　非聚集索引:物理存储不按照索引排序优势与缺点聚集索引：插入数据时速度要慢（时间花费在“物理存储的排序”上，也就是首先要找到位置然后插入）,查询数据比非聚集数据的速度快

n. 丛； 簇，串； 群； [语言]辅音群 vi. 丛生； 群聚 vt. 使密集，使聚集 1. N-COUNT 可数名词(人或物的)组，群，簇 A cluster of people or things is a small group of them close together. 【搭配模式】：oft N of n...clusters of men in formal clothes...一群群身着正装的男人There"s no town here, just a cluster of shops, cabins and motels at the side of the highway.这儿没有城镇，只在公路边上有一片商店、小木屋和汽车旅馆。2. VERB 动词See also: clustered; (人)聚集 If people cluster together, they gather together in a small group. 【语法信息】：V together【语法信息】：V around/round n【语法信息】：Also V prepThe passengers clustered together in small groups...乘客们三五成群聚在一起。The children clustered around me.孩子们聚集在我的周围。

clustered index 聚集索引，这类索引是在数据存在一起的。non-clustered 非聚集索引，这类索引是通过找聚集索引来找数据的。两个索引的非叶子节点都是B+或是二叉树之类的，能快速查找的结构。

clustered column集柱; clusteredadj.丛生的，群集的; 成群的; v.使集中(cluster的过去式和过去式); 聚合; 例句Officials were clustered at every open office door, talking excitedly...每个开着门的办公室门口都有官员们三五成群在兴奋地交谈。

cluster英[u02c8klu028cstu0259(r)]美[u02c8klu028cstu025a]n.群; 丛; 簇，串; [语言]辅音群vi.丛生; 群聚vt.使密集，使聚集第三人称单数：clusters复数：clusters现在分词：clustering过去式：clustered过去分词：clustered形近词：Clusterflustercrustedtruster1A shared map will try to keep the content of map instances on different nodes on a cluster in sync, whereas non-shared caches contain node-specific data.共享映射将试图同步保留群集中不同节点的映射实例的内容，而非共享缓存则包含特定于节点的数据。

　　cluster英 [u02c8klu028cstu0259(r)] 美 [u02c8klu028cstu025a]　　n.群; 丛; 簇，串; [语言] 辅音群;　　vi.丛生; 群聚;　　vt.使密集，使聚集;　　[网络]集群系统; 服务器集群; 产业集群;　　[例句]There"s no town here, just a cluster of shops, cabins and motels at the side of the highway.　　这儿没有城镇，只在公路边上有一片商店、小木屋和汽车旅馆。　　[其他]第三人称单数：clusters 复数：clusters 现在分词：clustering 过去式：clustered 过去分词：clustered 形近词： fluster crusted truster

SE/Robust vce(vcetype) vcetype may be conventional, robust, cluster clustvar, bootstrap, or jackknife 一般是用来产生稳健标准误的 常见是这样使用，vce(cluster，id)，id是截面识别符

这是英语是指 集群指标 的意噢

因为cluster数据传输是通过网络的，在并发低的情况下，“性能”肯定没有单机快，根据大家的以往经验来看大致慢6-8倍cluster的主要有点是高可用和可扩展性，还有它的高并发性不同的需求采用不同的方案，世上没有万灵药

cluster manager群集管理器cluster[英][u02c8klu028cstu0259(r)][美][u02c8klu028cstu025a]n.丛; 簇，串; 群; [语言]辅音群; vi.丛生; 群聚; vt.使密集，使聚集; 第三人称单数：clusters过去分词：clustered复数：clusters现在进行时：clustering过去式：clustered易混淆单词：Cluster例句:The new leader may emerge as a mere figurehead for a cluster of generals and other bosses. 对一群将军和其他权贵们而言，新领袖可能只是一个有名无实的领导人。

计算各个cluster的细胞数； 定义对应每个cluster对应的细胞类型，也可将ident改为相应的细胞类型，计算每个细胞类型的细胞数 计算每个样本的细胞数 table( Seuratobject $ slotname ) table(Idents( Seuratobject ),Seuratobject$ slotname ) $slotname 可根据研究具体分组对每个样本自行定义计算细胞比例 prop.table(table(Idents( Seuratobject ), Seuratobject $ slotname ))绘制堆叠条形图

对于高斯数据库而言，一个列存表只能同时使用Partial、Cluster和Key三种方式进行创建。这是因为Partial、Cluster和Key都是高斯数据库中非常重要的概念，它们各自具有不同的作用和特点，可以在不同场景下发挥重要作用。Partial是高斯数据库中对于数据进行分区的一种方式，通过将数据划分为多个子集，可以提高查询效率，降低系统负载压力。Cluster是指将表按照某个列进行聚类，将相似的记录放在一起存储，可以提高查询效率，减少IO操作次数。Key则是指表中的关键字，可以用来唯一标识每条记录，也可以用来建立索引，提高查询效率。由于Partial、Cluster和Key各自具有不同的作用和特点，在实际应用中需要根据需求进行选择，不能同时使用多种方式进行创建。因此，在高斯数据库中，一个列存表只能创建Partial+Cluster+Key或者任意两种方式的组合，而不能同时使用三种方式进行创建。

内存太小了 通过相册找到自己喜欢的图片后，选择该图片，然后调整图片的大小，保存即可设置为壁纸。

概念我就不重复了，1楼基本正确，例子的话说一说，目前我国已经或正在构建一些城市集群，如北京城市集群、上海城市集群、广州城市集群、海峡（中国台北）城市集群、沈阳城市集群、郑州城市集群、武汉城市集群、成都城市集群等。有一本书详细介绍了目前我国城市建设的框架，书名叫《中国崛起方略：八大城市集群规划》，需要的话可以看看哦。希望我的回答对你有所帮助。

Windows Server 2008的七个应用场景，其中很重要的一个就是高可用性，也许有人会说，在Windows Server 2003中也有关于高可用的特性，比如群集、网络负载均衡、灾难恢复等。既然作为Server 2008一个重要的应用场景，高可用性的改进和变化自然也是很大的，到底会有怎样的变化呢? 　　首先我们要明确，什么是可用性，可用性包括可靠性、故障和恢复。一个系统的可靠性，故障发生时间间隔和故障恢复速度，共同决定了这个系统的可用性。那么我们通常都如何来衡量一个系统的可用性呢?最常用的方法就是使用数字“9”，通常我们会以几个“9”来说明系统的可用性，让我们看看下面这张表吧： 　　通过这张表，我们不难发现，要做到3个“9”级别的系统可用性，每年只允许我们有8.77个小时的停机时间。当然，可用性是只能用“9”，而不可能用“8”或者“7”来衡量的。一个系统的高可用性，需要很多方面共同实现，如硬件、网络、操作系统、应用层面都需要有相应的高可用解决方案，在操作系统层面上，微软的Windows Server已经为我们提供了很好的高可用解决方案：Cluster(群集，一种并行或分布式的系统，由全面互连的计算机集合组成，可以作为一个统一的计算机资源使用)。 　　相信很多人都已经了解了Windows Server的群集，我就不再详细解释什么是群集，如何实现群集了，主要想谈一谈Windows Server 2008中群集的变化。首先，最明显、最直观的就是名称的变化，群集在Windows NT4时代就已经有了，那是叫做Microsoft Cluster Services(MSCS)，到了Windows 2000时代，改叫做Server Clustering，而在Windows Server 2008中，群集有了个更为形象的名称，Failover Clustering(WSFC)，我觉得名字起的很形象，Fail-服务器故障了，Over-转移到其它机器上，正好叫做Failover。当然，名称的改进是不会对企业用户有很大实际意义的，那就让我来看看它在技术上的改进吧。 　　在这里我还是想讨论一下高可用性方案对企业用户的价值，我们经常说，或者经常会听到各个厂商说，高可用方案能够降低TCO，可很多企业都对这个有所质疑，本来一台服务器能完成的工作，现在需要购买额外的服务器，明明硬件成本、维护成本甚至人员成本都增加了，怎么还能降低TCO呢?那就让我们回想去年发生的一件事情吧，那是2007年的10月底的一天，时值2008年奥运会门票第二阶段发售之日，记得当时的售票策略是先到先得，于是乎，在发售门票开始时，便有成千上万乃至上百万的用户蜂拥到奥运门票销售网站，霎时间网站就因为并发连接过大而无法响应了。在那之后的一天时间里，服务器也没能恢复正常工作，以至于后来不得不改变了门票的分配方式。我想这件事情大家可能都了解，也许是售票系统的软件设计问题，也许是硬件性能的问题，总之这套售票系统既不可靠，还发生了故障，而且没能恢复，可用性的三大方面一项也没满足，自然谈不上高可用啦。那么我们想一想，没有高可用带来的损失吧，要知道奥运可是当前我们伟大祖国的大事，而且也是全世界瞩目的大事，在如此之大的事情上出现了这么重大的失误，我想这件事造成的损失很难用几千、几万的钱来衡量了，如果当初高可用方案做得很好，当然也就没有损失了，甚至可能带来很高的信誉。由此可见，高可用性方案决不是只会给企业增加成本的，而是真正的降低了企业面临的风险，降低了TCO。 　　既然看到了高可用性的价值所在，让我们来看看Windows Server 2008故障转移群集还带给了我们哪些惊喜吧。 　　我们很多企业已经意识到了实现高可用性方案的重要性，也有很多企业希望尽快实现这样的高可用方案，但在实施的时候经常会遇到各种各样的问题，其中很大一部分是因为之前在创建Windows Server Cluster的时候，过程非常复杂，还受到了很多条件的限制，造成了群集实施的困难。在Windows Server 2008中，对于群集的创建和管理都有了很多改进，能够让企业的IT管理员更轻松的实现高可用的方案。 　　群集安装前的准备：我们知道群集的安装不仅需要有软件的准备，还需要对硬件做好配置，如配置好共享存储设备，配置好群集心跳线等等，由于配置众多，往往我们无法去判断当前的条件是否能够满足群集的安装要求，即使能够满足，在部署了群集之后，又是否能够安全可靠，实现自动切换呢。在Windows Server 08的群集创建前，增加了一个“验证”的步骤，这个步骤会对操作系统的一致性(每个节点)、基础架构(如CPU、内存)、配置(是否是域成员)、硬件设备(HBA、NIC)、节点连通性、兼容性、共享存储、软件(如IP地址的配置)做出必要的检测和验证，并且还会模拟群集创建完成后的故障转移，以确保群集的安装万无一失。相信大家对群集的安装条件都很了解，在这特别提示一点，就是群集节点的内、外网卡一定要设置在不同的网段，否则在群集管理器中只能够看到节点的一块网卡哦。另外还有，就是群集是否可以安装在DC上的问题，首先说这是可以的，但是我们包括微软绝对不推荐的，最近就因为客户将DC作为群集节点遇到了各种怪异的问题，总之，还是按照微软推荐的Best Practice进行配置。 　　企业在配置群集时，另外一个主要的考虑就是共享存储，要知道共享存储设备是很贵的，不是所有企业都愿意为了实现高可用去购买昂贵的存储设备的。(当然，中石油、中移动一类的企业刨除在外，记得在给移动做项目的时候，被人家告知，刚刚买了多少多少存储，才花了600多万，真便宜。汗!无语了)昂贵的存储设备，限制了群集在企业中的部署，并且还有个致命的问题：单点故障，也就是说，一旦群集的共享存储有幸休个假的话，整个群集也要跟着去休假了。在Windows Server 2003时代，就通过更新引入了一种新的群集仲裁模式，可以在没有共享存储的情况下，使用共享文件夹作为群集的仲裁资源(需要安装kb921181更新)。在Windows Server 2008中将会包含四种群集仲裁模式，这既可以帮助没有共享存储的企业实现高可用，也可以消除单点故障的问题。这四种模式分别是：多数仲裁模式、多数节点模式、磁盘仲裁、文件共享仲裁。 　　群集中的每个节点和磁盘存储均有投票权，当有节点或者存储发生故障时，由群集中的所有节点和存储进行投票，决定群集资源如何进行切换，这种模式中，即使共享存储设备发生故障(当然需要共享存储中只有仲裁资源，而没有其它数据资源，如Exchange mailbox store)，群集仍然能够正常运行，这就有效避免了群集的单点故障问题。 　　与多数仲裁模式的区别是群集节点连接的存储设备是没有投票权的，这种模式通常采用的存储设备是iSCSI的存储设备，这样能够实现异地的高可用解决方案(这在Windows Server 2003中是很难实现的，不仅因为受到了仲裁模式的限制，还因为群集心跳线之前采用的是广播的方式，是无法跨越路由的，自然也就无法实现异地高可用啦)。 　　最后提示一点，在Windows Server 2003群集的文件共享仲裁模式中，仅能够支持两节点的群集，而在Windows Server 2008中，将可以支持更多的节点。 　　随着Windows Server 2008的正是发布，现在大家对它的兴趣也越来越浓了，越来越多的企业希望能够了解它有哪些新的特性，其实企业是否会升级到08，主要考虑的一个方面是它是否具有足够的吸引力。 　　刚刚和同事讨论完Windows Server 2008的群集，发现其中还是有很多有意义的改变。之前我们讨论过了08群集的仲裁模式，通过对仲裁模式的改进，彻底消除了之前群集的一大诟病：单点故障。很多企业在部署群集的时候，都会考虑到单点故障的问题，如果投入了巨大的成本，实现了服务、应用的高可用，可却因为存储设备的单点故障而造成整个系统的崩溃，企业肯定是不希望看到的。Windows Server 2008故障转移群集彻底解决了这个问题，让我们可以轻松地面对发生的各种故障。 　　当然，在之前做过的很多项目中，客户都提到过这样一个问题，能否做异地的高可用。其实这是很现实的问题，特别是对于一些大型企业，通常不会在一个地点办公，可能在全国、全世界都有分支机构，那么他们就需要实现异地的高可用，一旦某一地点发生了诸如停电、着火、地震、山崩、海啸、911撞楼(当然概率比较小，不过也不是没可能啦J)这样的灾害，可能就会对整个企业的业务和应用系统造成破坏，如果这时候企业无法进行系统的异地切换，就可能会长时间停机，从而损失巨大。在之前的Windows群集中，实现异地的高可用很困难，因为群集的节点之间是需要进行通讯的，而这种通讯采用的是UDP多播方式，是无法跨越路由器进行传输的，这就限制了企业实现异地高可用。在Server 08中，群集的节点通讯不再采用UDP多播，而是使用了TCP单播的方式，可以跨越路由，并且Server 08群集能够很好地支持IPv6，这就使实现异地群集成为可能，并且只要节点之间可以通讯，就很容易实现。 　　另外在Windows Server 2008群集中的很重要一项功能就是与虚拟化的结合，虚拟化也是Server 08的一个很重要特性，后面我也会对虚拟化技术做相应的介绍。其实虚拟化技术的实现，是无法脱离高可用的，甚至可以这么说，没有高可用，虚拟化技术就没有意义!。通过虚拟化，我们可以将很多服务和应用放置在同一物理服务器上，但这无疑增加了这些应用和服务所面临的风险，因此企业必然需要在实现虚拟化的同时，有很好的高可用方案。我们在一些已经实现了虚拟化的企业客户中，也遇到了类似的问题，我想虚拟化可能是未来服务器发展的一个趋势，但高可用永远都会是服务器所必不可少的。

生物信息学中经常使用R 来画图，而R画heatmap的功能是非常强大的。通常，我的习惯是使用gplots包中的heatmap.2函数来进行画图。不过这个函数中不能对聚类分析（clustering）到方法进行调整，于是，小小写一段代码即能使用不同的聚类分析方法来对heatmap进行聚类整合。复制代码 1 # There are 7 methods to make cluster in the function hclust in R 2 Cluster_Method<-c( "ward", "single", "complete", "average", "mcquitty", "median", "centroid") 3 4 for (i in 1:length(Cluster_Method)){ 5 #make a function to extract the cluster method 6 myclust<-function(x){ 7 hclust(x,method=Cluster_Method[i]) 8 } 9 #make heatmap by jpeg10 jpeg(filename=paste(Cluster_Method[i],".jpg"),width=1024,height=728)11 heatmap.2(as.matrix(Data_Top1k_Var),12 trace="none",13 hclustfun=myclust,labRow=NA,14 ColSideColors=c("black",grey(0.4),"lightgrey")[as.factor(CellLine_Anno$Type)],15 xlab="CellLines",16 ylab="Probes",17 main=Cluster_Method[i],18 col=greenred(64))19 dev.off()20 }复制代码这样就可以一下子把七种cluster的方法依次用到heatmap上面来。而且通过对cluster树的比较，我们可以从中挑选出最好、最稳定到cluster方法，为后续分析打好基础！

首先我们先来认识一下什么是聚类任务。 聚类是“无监督学习（unsupervised learning）”中重要的一种。其目标是：通过对无标记的训练样本学习，来揭示数据内在的性质以及规律，为进一步的数据分析做基础。聚类的结果是一个个的簇（Cluster）。所以来说，聚类通常作为其他学习算法的先导，比如在分类问题中，常常先做聚类，基于聚类的不同簇来进行分类模型的训练。 我们先来认识一下聚类算法涉及到两个基本问题：性能度量 & 距离计算。后面我们再具体讲解聚类的经典算法。 由于聚类算法是无监督式学习，不依赖于样本的真实标记。所以聚类并不能像监督学习例如分类那样，通过计算对错（精确度/错误率）来评价学习器的好坏或者作为学习器的优化目标。一般来说，聚类有两类性能度量指标：外部指标和内部指标 所谓外部，是将聚类结果与某个参考模型的结果进行比较， 以参考模型的输出作为标准，来评价聚类的好坏。 假设聚类给出的结果为 λ，参考模型给出的结果是λ*，则我们将样本进行两两配对，定义： 内部指标不依赖任何外部模型，直接对聚类的结果进行评估。直观来说： 簇内高内聚，簇间低耦合 。定义： 我们从小学的距离都是欧氏距离。这里介绍几种其他的距离度量方法： 这里对于无需属性我们用闵可夫斯基距离就不能做，需要用VDM距离进行计算，对于离散属性的两个取值a和b，定义： 所以在计算两个样本的距离时候，将两种距离混合在一起进行计算： 原型聚类即“基于原型的聚类（prototype-based clustering）”，原型指的是样本空间中具有代表性的点（类似于K-Means 选取的中心点）。通常情况下来说，算法现对原型进行初始化，然后对原型进行迭代更新求解。而不同的初始化形式和不同的求解方法，最终会得到不同的算法。常见的 K-Means 便是基于簇中心来实现聚类；混合高斯聚类则是基于簇分布来实现聚类。下面我们具体看一下几种算聚类算法： K-Means 聚类的思想十分简单， 首先随机指定类中心，根据样本与类中心的远近划分类簇；然后重新计算类中心，迭代直至收敛。 实际上，迭代的过程是通过计算得到的。其根本的优化目标是平方误差函数E： 其中 u_i 是簇 C_i 的均值向量。直观上来看，上式刻画了簇内样本围绕簇均值向量（可以理解为簇中心）的紧密程度，E值越小，则簇内样本的相似度越高。 具体的算法流程如下： 书上还给出了基于具体西瓜样本集的计算过程说明。可以看一下。 LVQ 也是基于原型的聚类算法，与K-Means 不同的是， LVQ使用样本的真实类标记来辅助聚类 。首先，LVQ根据样本的类标记，从各类中分别随机选出一个样本作为该类簇的原型，从而形成了一个 原型特征向量组 ，接着从样本集中随机挑选一个样本，计算其与原型向量组中每个向量的距离，并选取距离最小的向量所在的类簇作为该样本的划分结果，再与真实类标比较： 可以看到，K-Means 和 LVQ 都是以类中心作为原型指导聚类，而高斯混合聚类则采用 高斯分布 来描述原型。现在假设每个类簇中的样本都服从一个多维高斯分布，那么空间中的样本可以看做由K个多维高斯分布混合而成。 多维高斯的概密为： 密度聚类是基于密度的聚类，它从个样本分布的角度来考察样本之间的 可连接性 ，并基于可连接性（密度可达）不断拓展疆域（类簇）。最著名的就是DBSCAN（Density-Based Spatial Clustering of Applications with Noise），首先我们需要明白以下概念： 层次聚类试图在不同层次对数据集进行划分，从而形成属性的聚类结构。 这里介绍一种“自底向上”结合策略的 AGNES（AGglomerative NESting）算法。假设有N个待聚类的样本，AGNES算法的基本步骤如下： 可以看出其中最关键的一步就是 计算两个类簇的相似度 ，这里有几种度量方法： （1）单链接（singal-linkage）：取类间最小距离

spark deploy mode 的client和cluster的区别 一般来说，如果提交任务的节点（即Master）和Worker集群在同一个网络内，此时client mode比较合适。 如果提交任务的节点和Worker集群相隔比较远，就会采用cluster mode来最小化Driver和Executor之间的网络延迟。 2015070313355的信鸽是的鸽子 2015是鸽子的年份，07为吉林省信鸽协会足环全国统一代码，应该是吉林省信鸽协会某会员的鸽子，0313355是鸽子的编码具体是谁的，要求逐级查询相应鸽会的足环分配记录。 衣服的的近义词 服装的近义词 装束：①整理行装：装束完毕，马上出发。 ②服饰的打扮装束 打扮：1.使容貌和衣着好看;装饰。 2.指打扮出来的打扮 写事的作文250~300字的 我期盼已久的寒假终于到了，我迫不及待地把作业写完。 怀着满怀的好心情，来到了我姨家。刚一进门，弟弟马上跑了过来，拽着我去观看他的玩具。在他房间里的小桌上，放着一件精美的艺术品。下面是一个“金字塔”形的底座，底座上面是雕刻精美、栩栩如生的一只老鹰。老鹰的尖嘴在金字塔上，奇怪的是不论飞快地转动它，还是猛按它的身体，老鹰在金字塔上就是不掉下来。这就像是一只真的老鹰在展翅飞翔一样，非常逼真。更奇怪的是还可以把老鹰的尖嘴放在手上或别的东西上，都能在上面转动也不掉下来。这种东西既好看又好玩，还真是一项伟大的发明呀！ 我觉得挺纳闷，这是什么原因呢？我就掂了掂老鹰，发觉它的头部特别重，好像有一快铁在里面似的；它的两翅及尾部特别轻。但我还是不很明白，就去问爸爸。爸爸说：“这是利用重心的原理，这只老鹰的重心在它的嘴尖上，因此无论怎样动它，但它的重心都不会变，所以不会从支持它的物体上掉下来。” 我听后似懂非懂的，以后我一定要好好学习科学知识，长大了做出更好的玩具和艺术品来娱乐和美化人们的生活，这件艺术品让我永久不忘。 滨崎步的you的歌词 日本语+中文翻译+罗马拼音 YOU words：ayumi hamasaki music：Yasuhiko Hoshino 君のその横颜が／你的侧面 悲しい程キレイで／美得几近哀愁 何ひとつ言叶かけられなくて／什么都说不出口 気付けば涙あふれてる／不经意泪又满襟 きっとみんなが思っているよりずっと／你一定伤得 キズついてたね 疲れていたね／累得比大家想象得还要沉重 気付かずにいてごめんね／对不起 我一直没发现 Kimi no sono yokokao ga Kanashii hodo kirei de Nani hitotsu kotoba kakerarenakute Ki tsukeba namida afurete ru Kitto sonna ga omotte iru yori zutto Kizu tsuite ta ne tsukarete ita ne Ki tsukazu ni ite gomen ne 春の风包まれて 遥かな梦描いて／吹拂着春风 描绘着遥远的梦 夏の云途切れては 消えていった／夏日的云 中途失去踪影 秋の空切なくて 冬の海冷たくて／秋的天空伤心欲绝 冬天的海冷然若冰 梦中になっていく程 时は経っていたね／时光几近全心全意的不断推移 Haru no kaze tsutsumarete yuruka na yume egaite Natsu no kumo tokirete ha kiete itta Aki no sora setsunakute fuyu no umi tsumetakute Muchuu ni natte iku hodo toki ha tatte ita ne たくさんの出来事を／一路走来 くぐり抜けてきたんだ／经过许多起伏 そして今ココにいる君の事／我将以眼前的你为荣 夸りに思う いつの日も／不管什么时候 人ってきっと言叶にならない様な／我都会抱持这份 思い出だとか 気持ちを抱え／无法对他人言说的心情 そうして生きていくんだね／继续走下去 Takusan no dekigoto wo Kuguri nukete kitan da Soshite ima koko ni iru kimi no koto Hokori ni omou itsu no hi mo Hito tte kitto kotoba ni naranai you na Omoide da to ka kimochi to kakae Sou shite ikite iku n da ne 远回りばかりして疲れる时もあるね／有时候也会因绕了远路而感到疲倦 だけど最后にたどり着く场所って... ／但是最后抵达的终点是... そばにいるだけでただ 心が愈されてく／只要在身边心就会痊愈 そんな支えにいつか なりたいと愿うよ／希望有一天能成为你这样的支柱 Toomawari bakari shite tsukareru toki mo aru ne Da kedo saigo ni tadori tsuku basho tte Soba ni iru dake de tada kokoro ga iyasarete ku Sonna sasae ni itsu ka naritai to negau yo 春の风包まれて 遥かな梦描いて／吹拂着春风 描绘着遥远的梦 夏の云途切れては 消えていった／夏日的云 中途失去踪影 秋の空切なくて 冬の海冷たくて／秋的天空伤心欲绝 冬天的海冷然若冰 梦中になっていく程 时は経っていたね／时光几近全心全意的不断推移 Haru no kaze tsutsumarete yuruka na yume egaite Natsu no kumo tokirete ha kiete itta Aki no sora setsunakute fuyu no umi tsumetakute Muchuu ni natte iku hodo toki ha tatte ita ne 一段一段来可能比较清楚点吧。希望楼主满意咯。。^_^ 求Michael buble的 《cry me a river 》 的歌词 Now you say you"re lonely You cry the long night through Well, you can cry me a river Cry me a river I cried a river over you Now you say you"re sorry For being so untrue Well, you can cry me a river cry me a river I cried a river over you You drove me, nearly drove me, out of my head While you never shed a tear Remember, I remember, all that you said You told me love was too plebeian Told me you were through with me and Now you say you love me Well, just to prove you do why dont you cry me a river Cry me a river cause i cry a river over you over you Now you say you love me Well, just to prove you do Come on and cry me a river Cry me a river I cried a river over you I cried a river over you I cried a river now you can ture cried me a river cried me a river 红烧肉的做的？ 正宗红烧肉做法[三种] 第一种红烧肉的做法： 1、把买回的五花肉（就是那种瘦肉和肥肉曾层叠状的）切成1厘米见方（厚度不管，只管长宽）； 2、锅里放油（多放点），热后放入糖（白糖也可）一勺（可多放点），炒到糊为止（这时候锅里应该在冒浓烟，别怕）。倒入切好的肉和调料（厚片的姜、成瓣（不要弄碎）的蒜头、桂皮、干辣椒、八角、橙子皮（非陈皮）），大火爆炒三分钟，这时肉变成了深红色； 3、加入盐适量、老抽一勺、醋1/5勺、糖半勺、料酒两勺、鸡精半勺、清汤（冷水也可）至淹没肉3毫米，大火煮沸（开始冒香味了）； 4、倒入炖锅小火熬1个半小时，此时汤应很少且呈粘稠状（如果汤太多可大火收汤，但要站在旁边看着），加入青椒（不是很肥的那种灯笼椒），可加点香菜，然后尝一下咸淡，再炖3分钟。 5、在口水滴到锅里前把菜上桌，并在别人不知道的前提下偷偷地再吃一块。 第二种红烧肉的做法： 红烧肉可说是一家常菜，不同地方，不同人，做法肯定不一样。俺出来乍到，献上一道红烧肉，给各位饕哥、饕姐解谗。 买肉一定要买带皮的五花肉，肥肉、瘦肉基本各占一半，一定要带猪皮，不然干脆不做。 肉洗净切方块，2厘米见方，不用水焯，直接拿锅倒油适量（俺用花生油），油热后放肉入锅，炸！炸这道工序少不得，一是将肥肉里的猪油*出，吃起来不腻，二是可增加肉的香味（个人体验…………火不要太猛），炸到肉的外表有些金黄，停火，肉捞出，油倒出。 另起锅，倒油适量，放入葱、姜、花椒煸炒，特别提醒，要放大蒜，略拍，去皮，不用切，整个放入，份量至少一头，一起煸炒至出香味，然后很重要——别忘放糖！冰糖最好，白糖也行，至少1汤匙，（俺是放2匙，）不用怕放多，肉是喜糖的。接着倒入酱油，不要太多。动作要快，不然糖会糊的。 熬出汁后，倒入炸好的肉，翻炒一下，倒入清水（有骨头汤最好了，可惜俺没工夫熬），然后——上高压锅！（要是有时间，或没高压锅，那就慢慢炖吧，至少一小时，越烂越好，期间别忘添水）。高压锅里的水以略没过肉即可，加盐，加大料，大火烧开，盖上盖焖煮25分钟后，停火自然冷却，没压力后打开盖，再开火收汁，汁浓后，加味精一点，停火出锅，香! 第三种红烧肉的做法： 白肉切成适当大小的块。然后在开水里焯5分钟捞出来，去腥臊味，去浮沫！（秘方：加些白酒最好！） 调料先准备好：花椒、大料、桂皮、姜、葱、料酒、酱油 炒锅里放少许油，下白砂糖，炒糖色。 搪色炒成就要立马下准备好的调料，下入肉块！（稍微一有冒泡的意思就要下东西了！） 随个人喜好还可以放些干辣椒进去一起炒，颜色可以鲜艳一些，口感也会丰富些 上好了颜色，就可以加水了，然后等水烧开~~~ 水开后，将火放小炖着就可以了！（我个人经验是两小时） 等水剩不多了，放盐，大火收汁即可。 写雾的日记，3百字的 早晨起床时，我发现房间里比平时暗了许多，猜想今天一定是阴天，赶忙拉开窗帘一看，噢！原来是雾啊！外面一片白茫茫的…… 雾像个调皮的小男孩，它总是在我睡的正香时，悄悄的从天而降。当我发现它的时候，它已经将我紧紧的抱在了怀中。我仿佛掉进巨人的牛奶杯里了，四周一片乳白，什么都看不清，无法呼吸，好难受呀！我想跑出去，可是它好像无边无际；我想抓住他，看看它到底长啥样儿，这时，它又总是站在离我几步远的地方，冲着我做鬼脸；我追它就逃，我停它也停，好像在和我玩猫捉老鼠的游戏。 太阳公公出来找他的小孙子了，雾便乖乖的飞回了云妈妈的怀中，风爸爸又要带着它们去旅行了。我挥了挥手和它道别：“雾!你这个小调皮再敢下来捉弄我，我就告诉太阳公公，让它打你的小屁屁。” 酷似的似的读音 酷似的读音： [kù sì] 酷似 释义： 极其相似 香港的官翻的MACBOOK能买吗 官翻请在官网购买，还是值得信赖的。如果你不介意，是个超值的选择。

　　您好，我来为您解答：　　Cluster Shared Volume就是群集共享卷的意思。　　群集共享卷 (CSV) 是 Microsoft Failover Cluster 中的所有节点可同时直接读取和写入的卷。此功能被称为直接I/O，通过提供分布式访问文件系统实现，可使各节点利用其存储互连（互联网 SCSI (iSCSI)、光纤通道、串行SCSI (SAS)）与共享存储阵列中的卷进行通信。此外，如果节点丢失与共享存储阵列的路径，CSV 还可在网络中重新路由数据。　　如果我的回答没能帮助您，请继续追问。

默认情况下，群集服务的文件安装在运行 Windows Server 2003 企业版或 Windows Server 2003 数据中心版的计算机上。在 Windows 的早期版本中，此功能包含在“添加/删除程序”工具中。 您无法删除群集服务，但是可以使其恢复未配置的状态： 启动群集管理器 (CluAdmin.exe)。用鼠标右键单击节点，然后单击“停止群集服务”（）。注意：如果此服务器是群集中的最后一个节点，请勿执行此步骤。用鼠标右键单击节点，然后单击“退出节点”。 该步骤会使群集返回到其最初未配置的状态。以后，您可以将其重新加入同一群集或其他群集中。如果无法启动群集服务，或者在删除节点时有困难，则可以手动取消对群集服务的配置： 运行 Cmd.exe 程序来打开命令提示。 在命令提示符处，键入 cluster node 节点名称 /forcecleanup，然后按 ENTER 键。注意：如果注册表中不存在群集服务，则该命令不会响应。要创建占位符，请在命令行中键入下面的行，然后按 ENTER 键：sc create clussvc

Windowscluster要求同一个cluster中的所有windows版本都是相同的，这样就出现一个问题，当我们要将对windows进行升级时，(例如从windows2008R2升级到windows2012)不得不搭建一套新的windowscluster。你可以选择使用新的硬件搭建，或者将现有windowscluster中的节点一台一台的evict掉，重装/升级系统后加入到新的windowscluster中。具体的cluster升级方案我就不在这里讨论。马上进入主题：　　sqlserverAlwaysOnAvailabilityGroup(后文简称为AG)的一个要求是：所有的replica都要求隶属于同一个windowscluster。　　所以当我们对windowscluster进行升级时，无法在新的windowscluster和现有的windowscluster之间建立AG。那么在迁移过程中会有一段时间内AG无法对外提供服务。　　从数据库的角度上说，我们需要做下面的事情　　接下来停止应用并删除cluster1中的Listener，确保没有外界来接使用SQLSERVER.　　Backupdatabase　　Backuptaillog　　将备份文件copy到新的服务器　　Restore到各个服务器　　然后重新建立AG　　创建Listener　　重启应用　　我们需要将数据库备份并还原到新的primaryreplica和secondaryreplica。相应的downtime时间就是1+2+3+4+5+6+7+8想要的时间。或许你想到了在新旧cluster之间创建一个mirroring，但遗憾的是，创建了AG的数据库是不再允许创建mirroring的.　　那应当如何进行迁移呢?从SQLServer2012SP1开始，允许在两套不同的windowscluster之间创建AG。下面用一个例子说明一下　　有一个三个节点的windowscluster,windows版本为Windows2008R2　　Domain:liweiyin3.lab　　Clustername:cluster1　　Server002　　Server003　　Server004　　Listenername:Listener1　　三个节点上装有SQLServer2012SP1的standalone实例。均为默认实例。　　之间建立了AG.拓扑图如下：　　现在创建一套两个节点的windows2012的windowscluster　　Domain:liweiyin3.lab　　Clustername:cluster2　　Server005　　Server006　　对cluster1上的AG数据库进行备份，包含fulldatabasebackup和logbackup两个cluster中间创建AG：　　将第一步得到的文件在cluster2的节点上进行还原，指定为withnorecovery.　　接下来在cluster2的三个数据库上执行下面的语句　　ALTERSERVERCONFIGURATIONSETHADRCLUSTERCONTEXT="cluster1.liweiyin3.lab"　　这条语句执行完毕后，这台数据库的clustercontext就会切换为cluster1了。这个结果可以从下面的DMV中检查到　　selectcluster_namefromsys.dm_hadr_cluster　　接下就可以在cluster1和cluster2之间建立AG。我们可以使用UI或者T-SQL语句。　　需要注意的是，请将cluster2中的至少一个SQLServer的同步模式设置为Synchronouscommit,以保证迁移是没有数据损失的。　　这样，我们就建立了一套既包含win2008R2，也包含win2012的AG环境了。并且也可以正常地向外界提供服务，整个流程不需要downtime.　　但需要注意的是，这种情况下是不允许在两个cluster之间进行failover的。相应的提示信息如下　　Anattempttofailoverorcreateanavailabilitygroupfailed.ThisoperationisnotsupportedwhenAlwaysOnAvailabilityGroupsisrunningunderaremoteWindowsServerFailoverClustering(WSFC)clustercontext.Underaremoteclustercontext,failingoverorcreatingavailabilitygroupsarenotsupported.　　接下来停止应用并删除cluster1中的Listener，确保没有外界来接使用SQLSERVER　　在Cluster1将AG进行offline操作　　ALTERAVAILABILITYGROUPdbNameoffline　　将cluster2中所有sqlserver的CLUSTERCONTEXT切换回来　　ALTERSERVERCONFIGURATIONSETHADRCLUSTERCONTEXT=local　　在cluster2中重新创建AG　　在cluster2中创建新的listener　　重启应用　　这样所涉及的downtime就是5+6+7+8+9+10　　和之前的解决方案相比，省去了backup，文件copy和restore的时间。其余的操作都是句操作，很大程度地减少了downtime。　　更多信息　　===　　迁移之前，Cluster2中的sqlserver不允许创建任何AG。　　迁移之前需要授予cluster2中的sqlserver启动账号访问cluster1注册表的权限　　ChangetheHADRClusterContextofServerInstance(SQLServer)

cluster自动布线的时候有用创建后 选择 自动布局完成 后右键 Cluster 选择Break 或者 Break all Cluster 就行

mysql ndbcluster 安装1.数据库规划：操作系统 centos 6.3ndbcluster 版本：MySQL-Cluster-gpl-7.4.8-1.el6.x86_642个管理节点、2个sql节点、2个数据节点（管理节点和sql节点放在同一台服务器上）如下：管理节点1 192.168.1.17 管理节点2 192.168.1.18sql节点1 192.168.1.17sql节点2 192.168.1.18ndbd 节点1 192.168.1.19 ndbd 节点2 192.168.1.20 2.操作系统设置：设置服务主机名称关闭selinux和防火墙设置内核参数和最大进程数下载mysql集群MySQL-Cluster-gpl-7.4.8-1.el6.x86_64.rpm-bundle.tar上传到服务器的相应目录下如 /home/mysqlinstall3.安装管理节点和sql节点：To check if your system has any RPM version of any MySQL package currently installed, run:shell> rpm -qa | grep -i mysql检查[root@redis1 ~]# rpm -qa | grep -i mysqlmysql-libs-5.1.61-4.el6.x86_64如果有删除shell> rpm -e mysql-libs-5.1.61-4.el6.x86_64删除报错：[root@redis1 ~]# rpm -e mysql-libs-5.1.61-4.el6.x86_64error: Failed dependencies: libmysqlclient.so.16()(64bit) is needed by (installed) postfix-2:2.6.6-2.2.el6_1.x86_64 libmysqlclient.so.16(libmysqlclient_16)(64bit) is needed by (installed) postfix-2:2.6.6-2.2.el6_1.x86_64 mysql-libs is needed by (installed) postfix-2:2.6.6-2.2.el6_1.x86_64[root@redis1 ~]# 解决：[root@redis1 ~]# rpm -e --nodeps mysql-libs-5.1.61-4.el6.x86_64[root@redis1 ~]# [root@ndbcluster1 mysqlinstall]# rpm -ivh MySQL-Cluster-server-gpl-7.4.8-1.el6.x86_64.rpm [root@ndbcluster1 mysqlinstall]# rpm -ivh MySQL-Cluster-server-gpl-7.4.8-1.el6.x86_64.rpm 4.安装数据节点：执行上面步骤[root@ndb mysqlinstall]# rpm -ivh MySQL-Cluster-server-gpl-7.4.8-1.el6.x86_64.rpm [root@ndb mysqlinstall]# rpm -ivh MySQL-Cluster-server-gpl-7.4.8-1.el6.x86_64.rpm 5.配置集群管理节点建立目录mkdir /var/lib/mysql-clustermkdir -p /data/mysql/ndbdata5.启动关闭集群：启动管理节点ndb_mgmd -f /var/lib/mysql-cluster/config.ini --initial (第一次启动加--initial修改了配置文件后的启动)启动数据节点ndbmtd --initial启动sql节点service mysql start查看集群状态shell> ndb_mgm -e "SHOW"关闭管理节点和数据节点ndb_mgm -e shutdown关闭sql节点service mysql stop安装遇到的问题：1.权限问题启动mysql报错[root@sqlmgm2 mysql]# service mysql startStarting MySQL..The server quit without updating PID file ([FAILED]sql/sqlmgm2.pid).[root@sqlmgm2 mysql]# [root@sqlmgm2 mysql]# lltotal 110644-rw-rw---- 1 mysql mysql 56 Dec 14 17:13 auto.cnf-rw-rw---- 1 mysql mysql 12582912 Dec 14 17:39 ibdata1-rw-rw---- 1 mysql mysql 50331648 Dec 14 17:40 ib_logfile0-rw-rw---- 1 mysql mysql 50331648 Dec 14 17:13 ib_logfile1drwx------ 2 mysql mysql 4096 Dec 14 17:39 mysqldrwx------ 2 root root 4096 Dec 14 17:39 ndbinfodrwx------ 2 root root 4096 Dec 14 17:39 performance_schema-rw-r----- 1 mysql mysql 30068 Dec 14 17:40 sqlmgm2.errdrwx------ 2 root root 4096 Dec 14 17:33 test[root@sqlmgm2 mysql]# chown mysql:mysql -R mysql[root@sqlmgm2 mysql]# service mysql startStarting MySQL.. [ OK ][root@sqlmgm2 mysql]# 2.安装rpm包时，报包依赖关系如下：[root@ndbcluster2 mysqlinstall]# rpm -ivh MySQL-Cluster-server-gpl-7.4.8-1.el6.x86_64.rpm warning: MySQL-Cluster-server-gpl-7.4.8-1.el6.x86_64.rpm: Header V3 DSA/SHA1 Signature, key ID 5072e1f5: NOKEYerror: Failed dependencies: libnuma.so.1()(64bit) is needed by MySQL-Cluster-server-gpl-7.4.8-1.el6.x86_64 libnuma.so.1(libnuma_1.1)(64bit) is needed by MySQL-Cluster-server-gpl-7.4.8-1.el6.x86_64 libnuma.so.1(libnuma_1.2)(64bit) is needed by MySQL-Cluster-server-gpl-7.4.8-1.el6.x86_64 解决方法是把安装的依赖的包[root@ndbcluster2 mysqlinstall]# yum install numactlLoaded plugins: fastestmirror, refresh-packagekit, securityLoading mirror speeds from cached hostfile * base: mirrors.163.com * extras: mirrors.opencas.cn * updates: mirrors.opencas.cnSetting up Install ProcessResolving Dependencies--> Running transaction check---> Package numactl.x86_64 0:2.0.9-2.el6 will be installed--> Finished Dependency ResolutionDependencies Resolved============================================================================================================================== Package Arch Version Repository Size==============================================================================================================================Installing: numactl x86_64 2.0.9-2.el6 base 74 kTransaction Summary==============================================================================================================================Install 1 Package(s)Total download size: 74 kInstalled size: 171 kIs this ok [y/N]: yDownloading Packages:numactl-2.0.9-2.el6.x86_64.rpm | 74 kB 00:00 warning: rpmts_HdrFromFdno: Header V3 RSA/SHA1 Signature, key ID c105b9de: NOKEYRetrieving key from file:///etc/pki/rpm-gpg/RPM-GPG-KEY-CentOS-6Importing GPG key 0xC105B9DE: Userid : CentOS-6 Key (CentOS 6 Official Signing Key) <centos-6-key@centos.org> Package: centos-release-6-3.el6.centos.9.x86_64 (@anaconda-CentOS-201207061011.x86_64/6.3) From : /etc/pki/rpm-gpg/RPM-GPG-KEY-CentOS-6Is this ok [y/N]: yRunning rpm_check_debugRunning Transaction TestTransaction Test SucceededRunning Transaction Installing : numactl-2.0.9-2.el6.x86_64 1/1 Verifying : numactl-2.0.9-2.el6.x86_64 1/1 Installed: numactl.x86_64 0:2.0.9-2.el6 Complete!3.启动数据库节点无法和管理节点相连原因由于防火墙和selinux没有关闭解决关闭防火墙和selinux一、关闭防火墙1、重启后永久性生效：开启：chkconfig iptables on关闭：chkconfig iptables off2、即时生效，重启后失效：开启：service iptables start关闭：service iptables stop二、关闭SELinuxvim /etc/selinux/config # 改为 SELINUX=disabled# 保存退出，重启服务器init 6禁用SeLinux#永久禁用，需要重启生效。sed -i "s/SELINUX=enforcing/SELINUX=disabled/g" /etc/selinux/config # 临时禁用，不需要重启setenforce 0 4.root用户不能登录[root@ndbcluster2 ~]# mysql -uroot -pEnter password: ERROR 1045 (28000): Access denied for user "root"@"localhost" (using password: NO)[root@ndbcluster2 ~]# mysql -uroot -pEnter password: ERROR 1045 (28000): Access denied for user "root"@"localhost" (using password: YES)设置--skip-grant-tables跳过授权表认证service mysqld stop在配置文件中添加--skip-grant-tables（/etc/my.cnf）service mysqld start另外开个SSH连接[root@localhost ~]# mysqlmysql>use mysqlmysql>update user set password=password("123456") where user="root";mysql>flush privileges;mysql>exit去掉--skip-grant-tables重启mysql,root用户可以用设置的密码登录设置root用户远程登录GRANT ALL PRIVILEGES ON *.* TO root@"%" IDENTIFIED BY "123456" WITH GRANT OPTION; 执行报如下错误，ERROR 1820 (HY000): You must SET PASSWORD before executing this statement[root@ndbcluster1 ~]# mysql -uroot -pEnter password: Welcome to the MySQL monitor. Commands end with ; or g.Your MySQL connection id is 2Server version: 5.6.27-ndb-7.4.8-cluster-gplCopyright (c) 2000, 2015, Oracle and/or its affiliates. All rights reserved.Oracle is a registered trademark of Oracle Corporation and/or itsaffiliates. Other names may be trademarks of their respectiveowners.Type "help;" or "h" for help. Type "c" to clear the current input statement.mysql> mysql> mysql> GRANT ALL PRIVILEGES ON *.* TO root@"%" IDENTIFIED BY "root" WITH GRANT OPTION;ERROR 1820 (HY000): You must SET PASSWORD before executing this statementmysql> GRANT ALL PRIVILEGES ON *.* TO root@"%" IDENTIFIED BY "root001" WITH GRANT OPTION;ERROR 1820 (HY000): You must SET PASSWORD before executing this statement执行SET PASSWORD修改成功mysql> SET PASSWORD = PASSWORD("root001");Query OK, 0 rows affected (0.02 sec)mysql> GRANT ALL PRIVILEGES ON *.* TO root@"%" IDENTIFIED BY "root" WITH GRANT OPTION;Query OK, 0 rows affected (0.02 sec)mysql> FLUSH PRIVILEGES;执行完成远程连接测试，mysql集群节点，发现一个节点可以连接，一个节点不能连接这个问题纠结很久原因上面的操作，没有在另外一个节点上执行导致的，mysql集群的用户认证是分开管理的，要两个节点都要执行索引以后创建用户要两个节点都执行5.配置两个管理节点时show报错Could not get configuration[root@ndbcluster2 mysql-cluster]# ndb_mgm-- NDB Cluster -- Management Client --ndb_mgm> showConnected to Management Server at: 192.168.1.17:1186ERROR Message: The cluster configuration is not yet confirmed by all defined management servers. This management server is still waiting for node 6 to connect.Could not get configuration* 4012: Failed to get configuration* The cluster configuration is not yet confirmed by all defined management servers. This management server is still waiting for node 6 to connect.ndb_mgm> showCluster Configuration---------------------[ndbd(NDB)] 2 node(s)id=2 (not connected, accepting connect from 192.168.1.18)id=3 (not connected, accepting connect from 192.168.1.17)[ndb_mgmd(MGM)] 2 node(s)id=1 @192.168.1.17 (mysql-5.6.27 ndb-7.4.8)id=6 @192.168.1.18 (mysql-5.6.27 ndb-7.4.8)[mysqld(API)] 2 node(s)id=4 (not connected, accepting connect from 192.168.1.17)id=5 (not connected, accepting connect from 192.168.1.18)两个管理节点同时都启动起来，才能看到状态ndb_mgm> showCluster Configuration---------------------[ndbd(NDB)] 2 node(s)id=2 @192.168.1.18 (mysql-5.6.27 ndb-7.4.8, Nodegroup: 0, *)id=3 @192.168.1.17 (mysql-5.6.27 ndb-7.4.8, Nodegroup: 0)[ndb_mgmd(MGM)] 2 node(s)id=1 @192.168.1.17 (mysql-5.6.27 ndb-7.4.8)id=6 @192.168.1.18 (mysql-5.6.27 ndb-7.4.8)[mysqld(API)] 2 node(s)id=4 @192.168.1.17 (mysql-5.6.27 ndb-7.4.8)id=5 @192.168.1.18 (mysql-5.6.27 ndb-7.4.8)

你是要做聚类分析是吧，应该是用这个函数是吧hclust(d, method = "complete", members = NULL)。你在r里面输入?hclust。d代表不同结构的分布,你可以运行一下这个程序看一下require(graphics)hc <- hclust(dist(USArrests), "ave")plot(hc)plot(hc, hang = -1)

Redis通过对KEY计算hash，将KEY映射到slot，集群中每个节点负责一部分slot的方式管理数据，slot最大个数为16384。 在集群节点对应的结构体变量clusterNode中可以看到slots数组，数组的大小为CLUSTER_SLOTS除以8，CLUSTER_SLOTS的值是16384： clusterState clusterNode里面保存了节点相关的信息，集群数据迁移信息并未保存在clusterNode中，而是使用了clusterState结构体来保存： clusterState与clusterNode的关系 在手动进行数据迁移时，需要执行以下步骤： 在进行数据迁移之前，首先在需要迁入的目标节点使用 SETSLOT 命令标记要将SLOT从哪个节点迁入到当前节点： 然后在源节点也就是slot所在节点使用 MIGRATING 命令标记将数据迁出到哪个节点： 比如slot1当前在node1中，需要将slot1迁出到node2,那么首先在nodd2上执行 IMPORTING 命令，标记slot准备从node1迁到当前节点node2中： 然后在node1中执行 MIGRATING 命令标记slot1需要迁移到node2： clusterCommand SETSLOT 命令的处理在clusterCommand函数（cluster.c文件中）中： 在标记完迁入、迁出节点后，就可以使用 CLUSTER GETKEYSINSLOT 命令获取待迁出的KEY： <slot>：哈希槽的值 <count>：迁出KEY的数量 getkeysinslot 命令的处理也在clusterCommand函数中，处理逻辑如下： 完成上两步之后，接下来需要在源节点中执行 MIGRATE 命令进行数据迁移， MIGRATE 既支持单个KEY的迁移，也支持多个KEY的迁移，语法如下： migrateCommand MIGRATE 命令对应的处理函数在migrateCommand中（cluster.c文件中），处理逻辑如下： createDumpPayload createDumpPayload函数在cluster.c文件中： restoreCommand 目标节点收到迁移的数据的处理逻辑在restoreCommand中（cluster.c文件中）： 数据迁移的最后一步， 需要使用 CLUSTER SETSLOT 命令，在源节点和目标节点执行以下命令，标记slot最终所属的节点，并清除第一步中标记的迁移信息 ： <slot>：哈希槽 <node>：哈希槽最终所在节点id clusterCommand CLUSTER SETSLOT <slot> NODE <node> 命令的处理依旧在 clusterCommand 函数中，处理逻辑如下： 总结 参考 极客时间 - Redis源码剖析与实战(蒋德钧) Redis版本：redis-6.2.5

Nodejs的主进程是单线程的，但它有多线程处理方案（更准备来说是多进程方案），即主进程开启不同的子进程，主进程接收所有请求，然后将分发给其它不同的nodejs子进程处理。 它一般有两种实现： Nodejs 的 cluster模式 用的就是第一种实现，它使用一个主线程 master 和多个子线程 worker ，形成一个集群，通过主线程来向子线程分发请求。cluster 实现了对 child_process 的封装，通过 fork 方法创建子进程的方式实现了多进程模型。 http 和 cluster 、 process 都是 nodejs 的内置模块，不需要额外安装 实现过程大概是这样的： cluster 模块应用 child_process 来创建子进程，子进程通过复写掉 cluster._getServer 方法，从而在 server.listen 来保证只有主进程监听端口，主子进程通过 IPC 进行通信，其次主进程根据平台或者协议不同，应用两种不同模块（ round_robin_handle.js 和 shared_handle.js ）进行请求分发给子进程处理。 PM2是后台进程管理器，是多进程方案的一个成熟应用，可以帮助管理和保持应用程序在线。 全局安装： npm install pm2@latest -g 它的使用也非常简单: PM2对nodejs应用，可以根据系统自动实现负载均衡： pm2 start http-server.js -i max 我们肯定不想每次启动时，都要手动输入一堆指令，所以我们可以将这些配置统一使用配置文件来管理，注意js文件名必须是 xxx.config.js ，我这里用 ecosystem.config.js ： apps 数组中，可以放置多个对象，对应多个文件执行不同的配置 执行配置： pm2 start ecosystem.config.js --env dev 可以看到在启动后，桌面上生成了流水和错误日志:

数据库管理工具。ClusterControl 是一个数据库的集群控制程序，支持 MySQL 和 PostgreSQL 。ClusterControl 也是另一个MongoDB工具，具有管理数据库基础结构的GUI。它还有两个版本 -社区和企业版。不用说，ClusterControl社区版可以免费使用，而企业则是付费的。它不仅限于MongoDB，还支持MySQL，MySQL复制。

SE/Robust vce(vcetype) vcetype may be conventional, robust, cluster clustvar, bootstrap, or jackknife一般是用来产生稳健标准误的常见是这样使用，vce(cluster，id)，id是截面识别符

当集群内某个节点出现问题时，需要通过一种健壮的方式保证识别出节点是否发生了故障。Redis集群内节点通过ping/pong消息实现节点通信，消息不但可以传播节点槽信息，还可以传播其他状态如：主从状态、节点故障等。因此故障发现也是通过消息传播机制实现的，主要环节包括： 主观下线(PFAIL-Possibly Fail) 和 客观下线(Fail) 一个节点认为某个节点失联了并不代表所有的节点都认为它失联了。所以集群还得经过一次协商的过程，只有当大多数节点都认定了某个节点失联了，集群才认为该节点需要进行主从切换来容错。Redis 集群节点采用 Gossip 协议来广播自己的状态以及自己对整个集群认知的改变。比如一个节点发现某个节点失联了(PFail)，它会将这条信息向整个集群广播，其它节点也就可以收到这点失联信息。如果一个节点收到了某个节点失联的数量 (PFail Count) 已经达到了集群的大多数，就可以标记该节点为确定下线状态 (Fail)，然后向整个集群广播，强迫其它节点也接收该节点已经下线的事实，并立即对该失联节点进行主从切换。 集群中每个节点都会定期向其他节点发送ping消息，接收节点回复pong消息作为响应。如果在 cluster-node-timeout 时间内通信一直失败，则发送节点会认为接收节点存在故障，把接收节点标记为主观下线(PFail)状态 主观下线简单来讲就是，当 cluster-note-timeout 时间内某节点无法与另一个节点顺利完成ping消息通信时，则将该节点标记为主观下线状态 Redis集群对于节点最终是否故障判断非常严谨，只有一个节点认为主观下线并不能准确判断是否故障。当某个节点判断另一个节点主观下线后，相应的节点状态会跟随消息在集群内传播，通过Gossip消息传播，集群内节点不断收集到故障节点的下线报告。当 半数以上持有槽的主节点 都标记某个节点是主观下线时。触发客观下线流 程。 为什么必须是负责槽的主节点参与故障发现决策？ 因为集群模式下只有处理槽的主节点才负责读写请求和集群槽等关键信息维护，而从节点只进行主节点数据和状态信息的复制。 为什么半数以上处理槽的主节点？ 必须半数以上是为了应对网络分区等原因造成的集群分割情况，被分割的小集群因为无法完成从主观下线到 客观下线这一关键过程，从而防止小集群完成故障转移之后继续对外提供服务。 客观下线流程： 注意： 如果在 cluster-node-time*2 时间内无法收集到一半以上槽节点的下线报告，那么之前的下线报告将会过期，也就是说主观下线上报的速度追赶不上下线报告过期的速度，那么故障节点将永远无法被标记为客观下线从而导致 故障转移失败。因此不建议将 cluster-node-time 设置得过小 广播fail消息是客观下线的最后一步，它承担着非常重要的职责： 需要理解的是，尽管存在广播fail消息机制，但是集群所有节点知道故障节点进入客观下线状态是不确定的。比如当出现网络分区时有可能集群被分割为一大一小两个独立集群中。大的集群持有半数槽节点可以完成客观下线并广播fail消息，但是小集群无法接收到fail消息，网络分区会导致分割后的小集群无法收到大集群的fail消息，因此如果故障节点所有的从节点都在小集群内将导致无法完成后续故障转移，因此部署主从结构时需要根据自身机房/机架拓扑结构，降低主从被分区的可能性。 故障节点变为客观下线后，如果下线节点是持有槽的主节点则需要在它的从节点中选出一个替换它，从而保证集群的高可用。下线主节点的所有从节点承担故障恢复的义务，当从节点通过内部定时任务发现自身复制的主节点进入客观下线时，将会触发故障恢复流程

Driver template :选择要连接数据库类型我用mysql选择MYSQL Connector/J Driver name ：所创建连接名字,随便写 Driver classname：com.mysql.jdbc.Driver要Add JARs选择 com.mysql.jdbc.Driver路径显示 使用oracle参考我面式

在集群定时任务 clusterCron 中，会遍历集群中的节点，对每个节点进行检查，判断节点是否下线。与节点下线相关的状态有两个，分别为 CLUSTER_NODE_PFAIL 和 CLUSTER_NODE_FAIL 。 CLUSTER_NODE_PFAIL ：当前节点认为某个节点下线时，会将节点状态改为 CLUSTER_NODE_PFAIL ，由于可能存在误判，所以需要根据集群中的其他节点共同决定是否真的将节点标记为下线状态， CLUSTER_NODE_PFAIL 可以理解为疑似下线，类似哨兵集群中的主观下线 。 CLUSTER_NODE_FAIL ：集群中有过半的节点标认为节点已下线，此时将节点置为 CLUSTER_NODE_FAIL 标记节点下线， CLUSTER_NODE_FAIL 表示节点真正处于下线状态，类似哨兵集群的客观下线 。 在集群定时任务遍历集群中的节点进行检查时，遍历到的每个节点记为 node ，当前节点记为 myself ，检查的内容主要有以下几个方面： 一、判断孤立主节点的个数 如果当前节点 myself 是从节点，正在遍历的节点 node 是主节点，并且 node 节点不处于下线状态，会判断孤立节点的个数，满足以下三个条件时，认定 node 是孤立节点，孤立节点个数增1： 二、检查连接 这一步主要检查和节点间的连接是否正常，有可能节点处于正常状态，但是连接有问题，此时需要释放连接，在下次执行定时任务时会进行重连，释放连接需要同时满足以下几个条件： 三、疑似下线判断 ping_delay 记录了当前时间距离向 node 节点发送PING消息的时间， data_delayd 记录了 node 节点向当前节点最近一次发送消息的时间，从ping_delay和data_delay中取较大的那个作为延迟时间。 如果延迟时间大于超时时间，判断 node 是否已经处于 CLUSTER_NODE_PFAIL 或者 CLUSTER_NODE_FAIL 状态，如果都不处于，将节点状态置为 CLUSTER_NODE_PFAIL ，认为节点疑似下线。 上述检查完成之后， 会判断当前节点是否是从节点，如果不处于 CLUSTER_MODULE_FLAG_NO_FAILOVER 状态，调用 clusterHandleSlaveFailover 处理故障转移，不过需要注意此时只是将节点置为疑似下线，并不满足故障转移条件，需要等待节点被置为FAIL下线状态之后，再次执行集群定时任务进入到 clusterHandleSlaveFailover 函数中才可以开始处理故障转移。 当前节点认为某个node下线时，会将node状态置为 CLUSTER_NODE_PFAIL 疑似下线状态，在定时向集群中的节点交换信息也就是发送PING消息时，消息体中记录了node的下线状态，其他节点在处理收到的PING消息时， 会将认为node节点下线的那个节点加入到node的下线链表fail_reports中，并调用 markNodeAsFailingIfNeeded 函数判断是否有必要将节点置为下线FAIL状态 ： markNodeAsFailingIfNeeded markNodeAsFailingIfNeeded用于判断是否有必要将某个节点标记为FAIL状态： clusterHandleSlaveFailover 由上面的内容可知，节点客观下线时会被置为 CLUSTER_NODE_FAIL 状态，下次执行集群定时任务时，在故障转移处理函数 clusterHandleSlaveFailover 中，就可以根据状态来检查是否需要执行故障转移。 不过在看 clusterHandleSlaveFailover 函数之前，先看一下 clusterState 中和选举以及故障切换相关的变量定义： clusterHandleSlaveFailover函数中的一些变量 data_age ： 记录从节点最近一次与主节点进行数据同步的时间 。如果与主节点处于连接状态，用当前时间减去最近一次与master节点交互的时间，否则使用当前时间减去与master主从复制中断的时间。 auth_age ： 当前时间减去发起选举的时间 ，也就是距离发起选举过去了多久，用于判断选举超时、是否重新发起选举使用。 needed_quorum ： quorum的数量，为集群中节点的数量的一半再加1 。 auth_timeout ： 等待投票超时时间。 auth_retry_time ： 等待重新发起选举进行投票的时间，也就是重试时间 。 一、故障转移条件检查 首先进行了一些条件检查，用于判断是否有必要执行故障转移，如果 处于以下几个条件之一，将会跳出函数，结束故障转移处理 ： 二、主从复制进度校验 cluster_slave_validity_factor 设置了故障切换最大主从复制延迟时间因子，如果不为0需要校验主从复制延迟时间是否符合要求。 如果主从复制延迟时间 data_age 大于 mater向从节点发送PING消息的周期 + 超时时间 * 故障切换主从复制延迟时间因子 并且不是手动执行故障切换，表示主从复制延迟过大，不能进行故障切换终止执行。 三、是否需要重新发起选举 如果距离上次发起选举的时间大于超时重试时间，表示可以重新发起投票。 四、延迟发起选举 五、发起投票 如果满足执行故障的条件，接下来需从节点想集群中的其他节点广播消息，发起投票，不过只有主节点才有投票权。 failover_auth_sent 为0表示还未发起投票，此时开始发起投票： 六、执行故障切换 当某个节点获取到了集群中大多数节点的投票，即可进行故障切换，这里先不关注，在后面的章节会讲。 clusterGetSlaveRank用于计算当前节点的等级，遍历所属主节点的所有从节点，根据主从复制进度 repl_offset 计算， repl_offset 值越大表示复制主节点的数据越多，所以等级越高，对应的 rank 值就越低。 从节点在发起选举使用了 rank 的值作为延迟时间，值越低延迟时间越小，意味着选举优先级也就越高。 当从节点认为主节点故障需要发起投票，重新选举主节点时，在集群中广播了 CLUSTERMSG_TYPE_FAILOVER_AUTH_REQUEST 消息，对应的处理在 clusterProcessPacket 函数中，里面会调用 clusterSendFailoverAuthIfNeeded 函数进行投票： clusterSendFailoverAuthIfNeeded clusterSendFailoverAuthIfNeeded函数用于进行投票，处理逻辑如下： 以上条件校验通过， 表示当前节点可以投票给发送请求的节点，此时更新 lastVoteEpoch ，记录最近一次投票的纪元（轮次），更新投票时间 node->slaveof->voted_time ，然后向发起请求的节点回复 CLUSTERMSG_TYPE_FAILOVER_AUTH_ACK 消息。 主节点对发起投票请求节点的回复消息 CLUSTERMSG_TYPE_FAILOVER_AUTH_ACK 同样在消息处理函数 clusterProcessPacket 中，会对发送回复消息的节点进行验证： 同时满足以上三个条件时， 表示发送者对当前节点进行了投票，更新当前节点记录的收到投票的个数， failover_auth_count 加1，此时有可能获取了大多数节点的投票，先调用 clusterDoBeforeSleep 设置一个 CLUSTER_TODO_HANDLE_FAILOVER 标记，在周期执行的时间事件中会调用对状态进行判断决定是否执行故障转移。 从节点收到投票后，会添加 CLUSTER_TODO_HANDLE_FAILOVER 标记，接下来看下对 CLUSTER_TODO_HANDLE_FAILOVER 状态的处理。 在 beforeSleep 函数（server.c文件中），如果开启了集群，会调用 clusterBeforeSleep 函数，里面就包含了对 CLUSTER_TODO_HANDLE_FAILOVER 状态的处理： beforeSleep 函数是在Redis事件循环 aeMain 方法中被调用的，详细内容可参考 事件驱动框架源码分析 文章。 clusterBeforeSleep 在clusterBeforeSleep函数中，如果节点带有 CLUSTER_TODO_HANDLE_FAILOVER 标记，会调用 clusterHandleSlaveFailover 函数进行处理： clusterHandleSlaveFailover 函数在上面我们已经见到过，这次我们来关注集群的故障转移处理。 如果当前节点获取了大多数的投票，也就是 failover_auth_count （得到的投票数量）大于等于 needed_quorum ， needed_quorum 数量为集群中节点个数的一半+1，即可执行故障转移，接下来会调用 clusterFailoverReplaceYourMaster 函数完成故障转移。 clusterFailoverReplaceYourMaster 如果从节点收到了集群中过半的投票，就可以成为新的master节点，并接手下线的master节点的slot，具体的处理在clusterFailoverReplaceYourMaster函数中，主要处理逻辑如下： 总结

bunch (a number of things of the same type )eg: a bunch of bananas/grapes(a number of things growing together)a bunch of keys/flowerscluster也可搭配长在一起的物体 同时要求the same type, 但它还可使用于 a group of things that appear close together. 例如 ，a cluster of stars, a cluster of houses.bundle 要求就不多，不必the same type 其次 它不能与本身长在一起的物体搭配 例如 a bundle of bananas 就不对。eg:a bundle of rags/papers/firewoods当然这三个词本身也有自己独自的用法，但与其他两词不相冲。可参照词典。

/var/cluster/logs/commandlog ASCII 文本文件包含在群集中执行的选定 Sun Cluster 命令的记录。一旦设置群集，系统会自动启动对命令的日志记录，并在您关闭群集时结束。在所有已启动并以群集模式引导的节点上，系统都会记录命令。不在该文件中记录的命令包括那些显示群集配置和当前状态的命令。在该文件中记录的命令包括那些配置和更改群集当前状态的命令：claccesscldevicecldevicegroupclinterconnectclnasdeviceclnodeclquorumclreslogicalhostnameclresourceclresourcegroupclresourcetypeclressharedaddressclsetupclsnmphostclsnmpmibclnsmpusercltelemetryattributeclusterclzoneclusterscconfscdidadmscdpmscgdevsscrgadmscsetupscshutdownscswitchcommandlog 文件中的记录可包含下列元素：日期和时间戳发出命令的主机的名称命令的进程 ID执行命令的用户的登录名用户已执行的命令，包括所有选项和操作对象注 –命令选项在 commandlog 文件中用引号括起，这样您就可以轻松找到它们，然后复制粘贴到 shell 中并在 shell 中执行。已执行命令的退出状态注 –如果命令异常中止并产生未知结果，则 Sun Cluster 软件不会在 commandlog 文件中显示退出状态。默认情况下，系统每周定期对 commandlog 文件进行一次归档。要更改 commandlog 文件的归档策略，请在群集的每个节点上运行 crontab命令。有关更多信息，请参见 crontab(1) 手册页。在任意给定时刻，Sun Cluster 软件最多可在每个群集节点上维护八个先前归档的 commandlog 文件。当周的 commandlog 文件名为commandlog。时间最近的完整的周归档文件名为 commandlog.0。时间最早的完整的周归档文件名为 commandlog.7。查看当周 commandlog 文件的内容，一次显示一屏。phys-schost# more /var/cluster/logs/commandlog示例 1–11 查看 Sun Cluster 命令日志的内容以下示例显示了通过执行 more 命令显示的 commandlog 文件内容。more -lines10 /var/cluster/logs/commandlog11/11/2006 09:42:51 phys-schost-1 5222 root START - clsetup11/11/2006 09:43:36 phys-schost-1 5758 root START - clrg add "app-sa-1"11/11/2006 09:43:36 phys-schost-1 5758 root END 011/11/2006 09:43:36 phys-schost-1 5760 root START - clrg set -y"RG_description=Department Shared Address RG" "app-sa-1"11/11/2006 09:43:37 phys-schost-1 5760 root END 011/11/2006 09:44:15 phys-schost-1 5810 root START - clrg online "app-sa-1"11/11/2006 09:44:15 phys-schost-1 5810 root END 011/11/2006 09:44:19 phys-schost-1 5222 root END -2098832012/02/2006 14:37:21 phys-schost-1 5542 jbloggs START - clrg -c -g "app-sa-1"-y "RG_description=Joe Bloggs Shared Address RG"12/02/2006 14:37:22 phys-schost-1 5542 jbloggs END 0

redis数据淘汰原理 redis过期数据删除策略 redis server事件模型 redis cluster mget 引发的讨论 redis 3.x windows 集群搭建 redis 命令执行过程 redis string底层数据结构 redis list底层数据结构 redis hash底层数据结构 redis set底层数据结构 redis zset底层数据结构 redis 客户端管理 redis 主从同步-slave端 redis 主从同步-master端 redis 主从超时检测 redis aof持久化 redis rdb持久化 redis 数据恢复过程 redis TTL实现原理 redis cluster集群建立 redis cluster集群选主 u2003当slave发现自己的master变为FAIL状态时，便尝试进行Failover，以期成为新的master。由于挂掉的master可能会有多个slave。Failover的过程需要经过类Raft协议的过程在整个集群内达到一致， 其过程如下： u2003在作为slave角色节点会定期发送ping命令来检测master的存活性，如果检测到master未响应，那么就将master节点标记为疑似下线。 u2003clusterHandleSlaveFailover执行重新选主的核心逻辑。u2003clusterHandleSlaveFailover内部通过clusterRequestFailoverAuth方法向集群当中的所有节点发送CLUSTERMSG_TYPE_FAILOVER_AUTH_REQUEST报文，通知大家slave准备执行failover。 u2003当节点收到超过n/2+1个master的response后即升级为主。u2003在redis主从选举过程中报文相关的解析逻辑，clusterProcessPacket内部主要处理CLUSTERMSG_TYPE_FAILOVER_AUTH_REQUEST和CLUSTERMSG_TYPE_FAILOVER_AUTH_ACK报文。redis cluster集群的源码分析(1) Redis Cluster 实现细节

是一种去中心化的集群架构 Redis Cluster 的性能与单节点部署是同级别的。 多主节点、负载均衡、读写分离 Redis Cluster 支持标准的 主从复制配置来保障高可用和高可靠。 failover （故障转移） Redis Cluster 也实现了一个类似 Raft 的共识方式，来保障整个集群的可用性。 向 Redis Cluster 中添加新节点，或者移除节点，都是透明的，不需要停机。 水平、垂直方向都非常容易扩展。 数据分区，海量数据存储 部署 Redis Cluster 不需要其他的代理或者工具，而且 Redis Cluster 和单机 Redis 几乎完全兼 容。 角色： master、slave Redis Cluster 由多个Redis节点组构成，是一个P2P（point to point）无中心节点的集群架构，依靠Gossip协议传播集群 Gossip协议是一个通信协议，一种传播消息的方式。 思想启发于：病毒传播 这些收到信息的节点接下来会做同样的事情，即把这些信息传递给其他一些随机选择的节点。 信息会周期性的传递给N个目标节点。这个N被称为fanout（扇出） gossip协议包含多种消息，包括meet、ping、pong、fail、publish等等 通过gossip协议，cluster可以提供 集群间状态同步更新 、 选举自助failover 等重要的集群功能。 分布式架构设计中，核心问题即为如何分片数据。在技术的更替中出现过以下分布式hash算法： redis-cluster把所有的物理节点映射到[0-16383]个slot上,基本上采用平均分配和连续分配的方式。 slot槽必须在节点上连续分配，如果出现不连续的情况，则RedisCluster不能工作。 采用 raft 协议（参照Paxos算法 https://www.jianshu.com/p/40c658c9dcc2 ） 当slave 收到过半的master 同意时，会成为新的master。此时会以最新的Epoch 通过PONG 消息广播自己成为master，让Cluster 的其他节点尽快的更新拓扑结构(node.conf)。 就是上面讲的从节点选举 人工故障切换是预期的操作，而非发生了真正的故障，目的是以一种安全的方式(数据无丢失)将当前master节点和其中一个slave节点(执行cluster-failover的节点)交换角色 1、向从节点发送cluster failover 命令（slaveof no one） 2、从节点告知其主节点要进行手动切换（CLUSTERMSG_TYPE_MFSTART） 3、主节点会阻塞所有客户端命令的执行（10s） 4、从节点从主节点的ping包中获得主节点的复制偏移量 5、从节点复制达到偏移量，发起选举、统计选票、赢得选举、升级为主节点并更新配置 6、切换完成后，原主节点向所有客户端发送moved指令重定向到新的主节点 以上是在主节点在线情况下。 如果主节点下线了，则采用cluster failover force或cluster failover takeover 进行强制切换。 扩容 扩容节点数据必须为空 缩容 只能删除数据为空的节点 我们知道在一主一从的情况下，如果主从同时挂了，那整个集群就挂了。 为了避免这种情况我们可以做一主多从，但这样成本就增加了。 Redis提供了一种方法叫副本漂移，这种方法既能提高集群的可靠性又不用增加太多的从机。 Master1宕机，则Slaver11提升为新的Master1 集群检测到新的Master1是单点的（无从机） 集群从拥有最多的从机的节点组（Master3）中，选择节点名称字母顺序最小的从机（Slaver31）漂移 到单点的主从节点组(Master1)。 具体流程如下（以上图为例）： 1、将Slaver31的从机记录从Master3中删除 2、将Slaver31的的主机改为Master1 3、在Master1中添加Slaver31为从节点 4、将Slaver31的复制源改为Master1 5、通过ping包将信息同步到集群的其他节点

SE/Robust vce(vcetype) vcetype may be conventional, robust, cluster clustvar, bootstrap, or jackknife一般是用来产生稳健标准误的常见是这样使用，vce(cluster，id)，id是截面识别符

redis cluster配置好，并运行一段时间后，我们想添加节点，或者删除节点，该怎么办呢。一，redis cluster命令行查看复制打印?//集群(cluster) CLUSTER INFO 打印集群的信息 CLUSTER NODES 列出集群当前已知的所有节点（node），以及这些节点的相关信息。 //节点(node) CLUSTER MEET <ip> <port> 将 ip 和 port 所指定的节点添加到集群当中，让它成为集群的一份子。 CLUSTER FORGET <node_id> 从集群中移除 node_id 指定的节点。 CLUSTER REPLICATE <node_id> 将当前节点设置为 node_id 指定的节点的从节点。 CLUSTER SAVECONFIG 将节点的配置文件保存到硬盘里面。 //槽(slot) CLUSTER ADDSLOTS <slot> [slot ...] 将一个或多个槽（slot）指派（assign）给当前节点。 CLUSTER DELSLOTS <slot> [slot ...] 移除一个或多个槽对当前节点的指派。 CLUSTER FLUSHSLOTS 移除指派给当前节点的所有槽，让当前节点变成一个没有指派任何槽的节点。 CLUSTER SETSLOT <slot> NODE <node_id> 将槽 slot 指派给 node_id 指定的节点，如果槽已经指派给另一个节点，那么先让另一个节点删除该槽>，然后再进行指派。 CLUSTER SETSLOT <slot> MIGRATING <node_id> 将本节点的槽 slot 迁移到 node_id 指定的节点中。 CLUSTER SETSLOT <slot> IMPORTING <node_id> 从 node_id 指定的节点中导入槽 slot 到本节点。 CLUSTER SETSLOT <slot> STABLE 取消对槽 slot 的导入（import）或者迁移（migrate）。 //键 (key) CLUSTER KEYSLOT <key> 计算键 key 应该被放置在哪个槽上。 CLUSTER COUNTKEYSINSLOT <slot> 返回槽 slot 目前包含的键值对数量。 CLUSTER GETKEYSINSLOT <slot> <count> 返回 count 个 slot 槽中的键。 这些命令是集群所独有的。执行上述命令要先登录查看复制打印?[root@manage redis]# redis-cli -c -p 6382 -h 192.168.10.220 //登录 192.168.10.220:6382> cluster info //查看集群情况 cluster_state:ok cluster_slots_assigned:16384 cluster_slots_ok:16384 cluster_slots_pfail:0 cluster_slots_fail:0 cluster_known_nodes:6 cluster_size:3 cluster_current_epoch:8 cluster_my_epoch:4 cluster_stats_messages_sent:82753 cluster_stats_messages_received:82754 二，添加节点1，新配置二个测试节点查看复制打印?# cd /etc/redis //新增配置 # cp redis-6379.conf redis-6378.conf && sed -i "s/6379/6378/g" redis-6378.conf # cp redis-6382.conf redis-6385.conf && sed -i "s/6382/6385/g" redis-6385.conf //启动 # redis-server /etc/redis/redis-6385.conf > /var/log/redis/redis-6385.log 2>&1 & # redis-server /etc/redis/redis-6378.conf > /var/log/redis/redis-6378.log 2>&1 & 2，添加主节点# redis-trib.rb add-node 192.168.10.219:6378 192.168.10.219:6379 注释：192.168.10.219:6378是新增的节点192.168.10.219:6379集群任一个旧节点3，添加从节点# redis-trib.rb add-node --slave --master-id 03ccad2ba5dd1e062464bc7590400441fafb63f2 192.168.10.220:6385 192.168.10.219:6379 注释：--slave，表示添加的是从节点--master-id 03ccad2ba5dd1e062464bc7590400441fafb63f2,主节点的node id，在这里是前面新添加的6378的node id192.168.10.220:6385,新节点192.168.10.219:6379集群任一个旧节点4，重新分配slot查看复制打印?# redis-trib.rb reshard 192.168.10.219:6378 //下面是主要过程 How many slots do you want to move (from 1 to 16384)? 1000 //设置slot数1000 What is the receiving node ID? 03ccad2ba5dd1e062464bc7590400441fafb63f2 //新节点node id Please enter all the source node IDs. Type "all" to use all the nodes as source nodes for the hash slots. Type "done" once you entered all the source nodes IDs. Source node #1:all //表示全部节点重新洗牌 Do you want to proceed with the proposed reshard plan (yes/no)? yes //确认重新分 新增加的主节点，是没有slots的，

redis的搭建可以查看我的上一篇文章： http://www.jianshu.com/p/6356356abebb 搭建redis cluster环境最少需要3个主节点，这里参考官网的示例创建6个节点，其中为3个主节点，3从节点，对应的redis节点IP和端口如下： 下面是一个最少选项的集群的配置文件 创建一个新的目录， 并创建六个以端口号为名字的子目录， 稍后我们在将每个目录中运行一个 Redis 实例： 命令如下: 在文件夹 7000 至 7005 中， 各创建一个 redis.conf 文件， 文件的内容可以使用上面的示例配置文件， 但记得将配置中的端口号和nodes.conf（同一服务器相同名字有冲突）从 7000 改为与文件夹名字相同的号码。 启动cluster实例 实例打印的日志显示， 因为 nodes.conf 文件不存在， 所以每个节点都为它自身指定了一个新的 ID ： 实例会一直使用同一个 ID ， 从而在集群中保持一个独一无二（unique）的名字. 进入redis目录，用如下命令创建集群。 安装ruby即可 缺少rubygems组件，使用yum安装 提示不能加载redis，是因为缺少redis和ruby的接口，使用gem 安装 在执行集群命令 至此集群模式搭建完成。 使用redis-cli命令进入集群环境，进入集群模式需要带上 -c ，不带则表示进入7000端口的普通redis。 集群 节点 槽(slot) 键 参考地址： https://redis.io/topics/cluster-tutorial