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

Hello是一个通用的分布式编程语言,结合面向对象的编程范式和协议无关的网络模型。Hello程序编排数据处理通过网络使用简单的语言结构而不是复杂取决于协议api。示例代码： package Hello_World;

minirpc 是基于 protobuf 的分布式 RPC 系统。 1. rpc server端提供的service可以是so库文件方式存在，可以使用libloader工具增加到server上。

RedLock 是一个使用 Python 和 Redis 实现的分布式锁。实现了来自 @antirez 的 RedLock 算法。 示例代码： from redlock import RedLock

Onyx 是一个无中心、支持云、容错的分布式计算系统 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 竞争对手： Storm,

HBase伪分布式安装：一、概述 我的机器使用hadoop-2.7.2，hbase-1.1.3版本，系统为ubuntu14。 hadoop安装：上一篇文章 二、H...

本文提到的不同集群指的是不同数据中心. 同一数据中心的网络可以看成LAN, 不同数据中心之间的网络指WAN. 分布式Ehcache集群间数据同步 EhCache 是进程中的缓存系统，一旦将应用部署在集群环境

solr 分布式部署 2010-10-22 16:48769人阅读评论(0)收藏举报 需求： 1. 实现SOLR主，辅服务器更新同步，每次客户端COMMIT请求都会及时应用在辅服务器上。 2. 实现

Kafka[1]是linkedin用于日志处理的分布式消息队列，linkedin的日志数据容量大，但对可靠性要求不高，其日志数据主要包括用户行为（登录、浏览、点击、分享、喜欢）以及系统运行日志（CPU、内存、磁盘、网络、系统及进程状态）。

要把N个超级大表导入HBase，N是按月来分的，表：亿+的行数，100+的字段。测试过sqoop，JDBC，性能都不满意，对任务失败重做也很麻烦，HBase的批量导出还靠谱点

py 是为 Erlang 生态系统准备的分布式 Python。该项目有两个主要特性： Python 的简单封装接口，封装了 ErlPort 调用，可方便的进行： Make module-level

er执行任务来实现。 这样可以把Master放在一台电脑上，Workers放在其他电脑上实现分布式进程。 #taskmanager.py #!/usr/bin/env python import random

NetworkObjects 是分布式对象图，灵感来源于苹果的 WebObjects。此框架支持 OS X，iOS 和服务器编译，作为构建强大的 Swift 服务器的基础。同时还支持 Cocoa 的分布式对象，是另一个

cobweb的基本功能，是在一台Server上分发任务，在其它多台服务器上部署Client程序，并执行相应的任务。 任务函数代码编辑后在Server上发布，会自动分发到各台Client服务器上，并重载函数模块，使用新的执行代码。 任务函数可选择是无参数运行，也可选择使用一个函数获取具体的任务内容。

zookeeper 分布式锁的实现 临时顺序节点 ，这种类型的节点有几下几个特性： 节点的生命周期和客户端会话绑定，即创建节点的客户端会话一旦失效，那么这个节点也会被清除。 每个父节点

hadoop 之分布式安装

分布式mongodb集群---sharding（分片）+复制集：四个组件：mongos、config server、shard、replica set。 mongos，数据库集群请求的入口，所有的请求都通...

从毕业加入Google开始做分布式机器学习，到后来转战腾讯广告业务，至今已经七年了。我想说说我见到的故事和我自己的实践经历。这段经历给我的感觉是：虽然在验证一个新的并行算法的正确性的时候，我们可以利用现有框架，尽量快速实现，但是

memcached 虽然称为 “ 分布式 ” 缓存服务器，但服务器端并没有 “ 分布式 ” 功能。每个服务器都是完全独立和隔离的服务。 memcached 的分布式，则是完全由客户端程序库实现的。 这种分布式是 memcached 的最大特点。

使用JOTM实现分布式的事务 原创：一叶知秋 分布式的事务指跨多个数据库并管理事务的一种技术。在操作多个数据库，数据连接或是数据源必然是多个，而单一数据源管理事务的方式，就是使用同一个Connect