• 使用keepalived+Nginx部署负载均衡环境

    日期:

    Keepalived + nginx 实现负载均衡 一、环境,2台虚拟机(centos 2.6.32-358.el6.x86_64 ) Vm1:121 Vm2:122 二、keepalived实现高可用(多主多备) 1) Vm1和Vm2的keepalived 配置文件keepalived.conf 2) 注意; a. router_id每一个keepalived实例不能相同...

  • Linux系统下使用Nginx实现负载均衡功能

    日期:

    首先我们用的是Linux RedHat 4.6 系统,nginx的版本为nginx-0.9.4.tar.gz,内核版本如下图: 实验主机: 192.168.3.2为nginx主机做负载均衡 192.168.3.3为WEB服务器 192.168.3.4为web服务器 首先进入到192.168.3.2源码包放置的目录地下,解压,然后安装如下...

  • 使用Nginx+Keepalived部署高可用负载平衡服务器集群

    日期:

    一,首先说明一下网络拓扑结构: 1,Nginx 反向代理Server(HA) : ①Nginx master:192.168.1.157 ②Nginx backup:192.168.1.158 虚拟IP统一为:192.168.1.110 2,web服务器: 192.168.1.160 ,192.168.1.161,192.168.1.162 即web服务器,已配置好 Tomca...

  • LVS 配置Iptables防火墙及故障解决

    日期:

    负载均衡这个词,相信大家都耳熟能详了,那我们今天再来回顾一下,常见的负载均衡有硬件的例如F5、网络厂商H3C、Cisco都有自己的负载均衡方案,但是这些都是价格不菲,那到底有没有免费的午餐呢?答案虽然是没有,哈哈,但是我们有章文嵩博士创立的开源负载均...

  • Hadoop安装部署

    日期:

    花了两天时间把Hadoop 0.18.3部署到了RedHat 9上。总结一下思路。 环境:RedHat 9 + Hadoop 0.18.3 + JDK 1.6u14 新建一个用户: howard 首先,从SUN上下载了JDK 1.6u14(使用Hadoop必须保证JDK在1.5以上的版本)用root身份登录,使用vi /etc/profile命令,在...

  • 谈Hadoop的C++扩展

    日期:

    原文在http://blog.sina.com.cn/s/blog_6e273ebb0100pid0.html 长期一来,Hadoop因为其Java实现带来的性能问题而饱受争议,同时也涌现了很多方案来缓解这一问题。 Jeff Hammerbacher(Cloudera首席科学家)曾在Quora上写过这样一段: ----------------------...

  • Hadoop C++ Pipes中context常见成员函数的作用

    日期:

    getJobConf Get the JobConf for the current task getInputKey Get the current key getInputValue Get the current value In the reducer, context.getInputValue is not available till context.nextValue is called ! progress This method simply phone...

  • 面向MapReduce 的数据处理流程开发方法 ------------重点内容摘要

    日期:

    摘 要:数据处理流程在信息爆炸的今天被广泛应用并呈现出海量和并行的特点, MapReduce 编程模型的简单性和高性价比使得其适用于海量数据的并行处理, 但是 MapReduce 不支持多数据源的数据处理, 不能直接应用于具有多个处理操作、多个数据流分支的数据处理流...

  • 在Redhat AS6上搭建Hadoop集群总结

    日期:

    本周末在家里的两台电脑上用Vmware+Redhat As6 + hadoop-0.21.0上搭建了一个3节点的Hadoop集群,虽说是原来已经搭建过类似的集群了,也跑过JavaAPI来操作HDFS与Map/reduce,但是这一次依然是受到挑战了,好些小细节,稍有遗漏就会有如坐过山车一般大起大落。...

  • Map-Reduce简介

    日期:

    MapReduce是一种编程模型,始于:Dean, Jeffrey Ghemawat, Sanjay (2004). MapReduce: Simplified Data Processing on Large Clusters。主要应用于大规模数据集的并行运算。其将并行计算简化为Map和reduce过程,极大地方便了编程人员在不会分布式并行编程的...