清華大學對象存儲

❶ 跪求 清華大學出版社的數據結構（C語音版）（第2版）唐國民 王國鈞 主編的課後習題答案。

1．簡述下列概念：數據、數據元素、數據項、數據對象、數據結構、邏輯結構、存儲結構、抽象數據類型。
答案：
數據：是客觀事物的符號表示，指所有能輸入到計算機中並被計算機程序處理的符號的總稱。如數學計算中用到的整數和實數，文本編輯所用到的字元串，多媒體程序處理的圖形、圖像、聲音、動畫等通過特殊編碼定義後的數據。
數據元素：是數據的基本單位，在計算機中通常作為一個整體進行考慮和處理。在有些情況下，數據元素也稱為元素、結點、記錄等。數據元素用於完整地描述一個對象，如一個學生記錄，樹中棋盤的一個格局（狀態）、圖中的一個頂點等。
數據項：是組成數據元素的、有獨立含義的、不可分割的最小單位。例如，學生基本信息表中的學號、姓名、性別等都是數據項。
數據對象：是性質相同的數據元素的集合，是數據的一個子集。例如：整數數據對象是集合N={0，±1，±2，„}，字母字元數據對象是集合C={『A』，『B』，„，『Z』， 『a』，『b』，„，『z』}，學生基本信息表也可是一個數據對象。
數據結構：是相互之間存在一種或多種特定關系的數據元素的集合。換句話說，數據結構是帶「結構」的數據元素的集合，「結構」就是指數據元素之間存在的關系。
邏輯結構：從邏輯關繫上描述數據，它與數據的存儲無關，是獨立於計算機的。因此，數據的邏輯結構可以看作是從具體問題抽象出來的數學模型。
存儲結構：數據對象在計算機中的存儲表示，也稱為物理結構。
抽象數據類型：由用戶定義的，表示應用問題的數學模型，以及定義在這個模型上的一組操作的總稱。具體包括三部分：數據對象、數據對象上關系的集合和對數據對象的基本操作的集合。
2．試舉一個數據結構的例子，敘述其邏輯結構和存儲結構兩方面的含義和相互關系。
答案：
例如有一張學生基本信息表，包括學生的學號、姓名、性別、籍貫、專業等。每個學生基本信息記錄對應一個數據元素，學生記錄按順序號排列，形成了學生基本信息記錄的線性序列。對於整個表來說，只有一個開始結點(它的前面無記錄)和一個終端結點(它的後面無記錄)，其他的結點則各有一個也只有一個直接前趨和直接後繼。學生記錄之間的這種關系就確定了學生表的邏輯結構，即線性結構。。。完整答案出處
數據結構_C語言版_第2版_唐國民_王國鈞_課後答案_清華大學出版社
http://www.daanjia.com/forum.php?mod=viewthread&tid=100156&fromuid=36878
(出處: 答案家)

❷ 你真的明白人機交互與智能嗎 | 清華AI Time

姓名：韓宜真

學號：17020120095

【嵌牛導讀】未來的人機交互將是多模式狀態，與人工智慧密不可分。

【嵌牛鼻子】智能人機交互 人工智慧

【嵌牛提問】當人和機器之間的邊界逐漸模糊，人機交互的邊界在哪裡？未來人機交互會發展成什麼樣子？

【嵌牛正文】在2013年的電影《她》中，男主結束了戀愛長跑之後，愛上了一個電腦操作的系統女聲，這個叫「薩曼莎」的姑娘不僅有著略帶沙啞的迷人嗓音，並且幽默風趣。

就這樣，他們成了無話不談的朋友，甚至發展出一段「畸形」的戀情。

雖然電影是虛構的，但這也恰恰證明了，未來以用戶為中心的交互模式不會僅僅停留在操作方便等基礎方面，對於更好地識別用戶表達意圖與情感等方面，都將取得重大突破。

問題來了，當人和機器之間的邊界逐漸模糊，人機交互的邊界在哪裡？未來人機交互會發展成什麼樣子？

在AI Time第七期的辯論中，清華大學的史元春、中科院軟體所的田豐、中科院計算所的陳益強、小小牛科技創意公司的CEO曹翔就一起論道了人機交互與智能的相關問題。

1945年，在電子計算機尚未「出世」時，范內瓦·布希就發表了題為「As We May Think」的文章，形象描述了未來個人電腦——一種被稱為MEMEX的機器，闡釋了直接交互、超鏈接、網路存儲等概念。

1960年，約瑟夫·利克萊德提出「人機共生」的思想，並在布希的領導下通過美國國家科技計劃大力支持了人機共生理念下的圖形與可視化、虛擬對象操控、互聯網路等研究項目，在他的主導下，個人電腦、互聯網路的標志性關鍵技術在六七十年代逐次誕生了。

約瑟夫·立克立德領導的互動式計算不但研發了分式操作系統，而且直接引導了圖形技術。

在范內瓦·布希、約瑟夫·利克萊德等先驅的推動下，在語言學、心理學、計算機科學的共同參與下，計算機從沒有用戶界面，到有了圖形用戶界面，開創了個人電腦以及互聯網路等惠及整個社會的新產業。

現在手機無需利用滑鼠，可以利用新的感測技術，包括AI技術，這些都在使得人們能夠更多地感受周圍世界，這也是人機交互的一部分。

未來，在新的感測和多媒體技術的共同支持下，機器將可以通過感知和數據處理技術來理解我們，來理解周圍的環境，實現更自然、更智能的人機交互。

曹翔介紹道，他現在的工作可以說是「現實版神筆馬良」，用一張普通的紙和一個普通的畫筆作畫之後，用手機採集，瞬間就能轉化生成三維動畫。通過技術把創作的門坎降低，讓普通人能夠表達自己的創意是研究的初衷。

到目前為止還是普適計算的時代，未來人機交互會是多模態的，可以用鍵盤、語音，也可以用手勢、表情、唇動等。他首先介紹了基於多通道或多模態感知理論的手語識別，原因有二，其一是因為姿勢語言太多太泛，沒有清晰的目標邊界，其二是因為希望技術能服務於殘障人士的日常交流。

第二個工作也和多模態相關，人機交互的終極目標是希望人機交互和人人交互一樣。目前通過多模態，包括知識性感知，讓機器獲知人目前的狀態，繼而再進行下一步行為。未來可以利用可穿戴設備，對人的生理和心理的境況進行推斷，然後進行交互。

陳益強也認為，未來的人機交互模式會是多模態的。圍繞「多模態」設想，他提到了目前工作。一個是基於多通道或多模態感知理論的手語識別，將面部識別、手勢動作識別和手語識別相融合，用以提高手語識別精度。二是通過多模態手段，使機器人獲知人類當前狀態。

田豐主要關注面向教育和醫療的人機交互的研究，他分享了再輸入技術和相關理論方面的研究成果。由於輸入不可避免地存在不精確性，希望用智能化的方法進行改善和幫助。

運動目標的選擇是人機交互里非常重要的任務，玩游戲的時候就知道，相對靜止來說運動目標的選中更難，怎樣來提高選中的效率，同時去理解用戶選擇目標的能力。他們首先做了大量的用戶研究，產生了針對不同速度和尺寸的物體在運動過程的落點分布，建立出模型，計算出用戶選中物體的概率。這個模型不僅可以分析正常人，對帕金森病人等也可以用做輔助診斷。

值得一提的是，田豐帶領團隊研發的筆式電子教學系統獲得了國家科技進步二等獎，並與協和醫院共同取得了國家衛健委頒發的醫療健康人工智慧應用落地30最佳案例的榮譽。

史元春介紹道，在使用手機軟鍵盤時，26個字母擠在狹窄的輸入界面里，再配上胖乎乎的手指，點錯的經歷太多了。這是觸屏這種自然交互界面上典型的難題：胖手指難題。

基於研究工作，他們提出了基於貝葉斯推理的自然用戶意圖理解框架，建模用戶行為特徵，在模糊的輸入信號上推測用戶的真實意圖。你點的不準沒關系，演算法可以猜得准。利用這項技術，史元春團隊已經研究實現了手機、平板、頭盔、電視等一系列介面上的輸入法，輸入准確度大幅度提高，且幾乎不需要視覺瞄準，進而還能支持盲人用戶准確實現軟鍵盤輸入。

未來的介面也會延伸感知人的操控行為，史教授正在研製的手機前置攝像頭上就能：「感知到人手在界面上的變化後，我們就能以此做出新的『輸入法』。」

比如手握手機的任意邊框或位置，就可以輸入信息、訪問界面，甚至和桌子的交互，也能變成對手機的操作。」

針對交互界面的構建是否存在計算模型的問題，田豐指出，傳統上存在計算模型，而針對自然人交互，現在還沒有相應的理論計算模型，但是應該朝著這個方向努力。

史元春教授同意以上觀點，並指出定量評估的方法雖有，但很不充分。不過藉助相應的感測技術，定量評估的原理和技術都在不斷拓展，這從紅外反射監測血流、血壓參數、情緒變化等一系列應用上就可以看出。

以後的計算終端是多種多樣的，適配的場景和任務也是不一樣的，所以完全統一的大而全的模型非常難以建立，但是在特定任務上，技術背後的科學原理一定是有計算模型的，研究者們都應該去努力探索。

此外，定量評估的方法理論上是存在的，但現在很難說是好方法，因為界面在擴展，相應的實現技術、原理和評價技術也都在做擴展和變化。

曹翔也指出，因為人機交互的任務多樣，很難去界定效率，更多是用主觀感受衡量。從大方向上講，一定是需要定量數據的，人工智慧需要數據，而人機交互離不開人工智慧。

針對建模的機制和限制，曹翔指出，具有明確任務的工作建模相對容易，因為目標很清晰，但是體驗性的、娛樂性的、溝通性的工作比較難用計算的方式建模，因為其中夾雜著大量非簡單人機交互的內容，比如人與人之間的互動等。

用大數據的方式對情緒的預測更有效果，本身人類對情緒化的東西也沒有細分到小單元。反過來說，大數據分析或人工智慧分析，能在沒有用明確的細分模型的情況下做出預測，恰恰能解決非標准性任務。但如果是利用大數據解決問題，建立的可能是一個通用的模型，涉及到個人也會一些差別。

陳益強認為，人機交互要做得好，就一定要做到個性化，也就一定會用到智能方法。從交互來說，最初鍵盤是確定性交互，滑鼠是屬於感知層次。往智能上走，語音識別、手勢識別這部分在感知以外加入了知識性學習。到第三部分，即情感智能，在執行前還需要加上知識，或者說認知。這也與人腦的三個部分，即中樞神經、小腦和大腦相對應。

智能和人機交互一樣，也是按人也分層次，人機交互我們從傳統到智能也分層次，可以把它理解為消除不確定性。越往上走，不確定性越大，尤其對意圖理解，但是我們怎麼去消除它，是人機交互上應用的一個探討。

人工智慧和人機交互，都有「人」這個字，對於二者的關系，史元春首先指出，這是中文說法，英文沒有這樣的詞，但二者的共性在於都是很早很明確地談到人機關系。

史元春教授認為，人機交互應該讓機器更好的適應人，適應人的本性，適應人的操控能力、感知能力和認知能力。從「人」 的研究內容上來說，人機交互與人工智慧有差異，但出發點是一致的，即「人機共生」。

目前看，人工智慧的研究更多的體現在人的識別、語言的表達等數據密集型任務上的處理方法，人機交互的研究更偏重於對人的主動交互行為和感知能力的建模、感測和建立適應的介面技術，人機關系必定向著共生的方向發展，這些研究內容和方法會相互影響和適應，交疊的研究內容會越來越多。

「做人工智慧最後要接觸人機交互，做人機交互最後也要接觸人工智慧。」

田豐提到中國科學上有一篇觀點性的論文，他指出，人機交互和人工智慧在未來的趨勢會從交替沉浮走向協同共進。國家人工智慧發展規劃里一個核心研究點是人機協同，人機協同也是人機交互未來的方向。從人工智慧角度講，自動駕駛等也講人機協同，其實是殊途同歸的。

曹翔指出，人工智慧和人機交互的研究價值觀、出發點會略有不同。人工智慧根本上講，終極目標是讓機器能做所有人能做的事情，人機交互則是指人和機器的合作，兩者不矛盾，但是要看情境。

針對人機交互研究對AI的貢獻，他指出，首先必須承認AI對人機交互研究的貢獻。從大趨勢上講，機器學習中大量的人工標注數據就是人機交互的過程。進一步講，AI的一個挑戰在於可解釋AI，最終擔心的是可不可被信任，解釋的原因是希望能夠放心地使用。

某種意義上講也許解決AI可信任的問題，在於創造一種方式，讓人和AI的系統在一個互動過程中慢慢通過衡量判斷，可能這個恰恰是人機交互幫助解決所謂AI可解釋問題的方法。

對於智能人機交互的暢想，史元春指出，未來計算機的形態會變化，甚至可能不存在了，但計算機技術會持續為我們服務，成為人機共生的一部分，交互介面、交互任務會有很大的變化，但會更自然，更智能。

她把智能人機交互集中分為三類，一是手勢，然後是語音，還有可穿戴設備，包括手環、頭盔。在這三類上看到了很多新技術和新產品，但都還沒有成為主流，也就是說，都存在一定的問題。

比如語音交互，不光是識別率沒有達到百分之百，同時語音表達的帶寬和表達的數據類型還不完整，和空間有關的數據效率低、沒有精度。此外，還有打擾、隱私等，都有很大的限定條件，穿戴更是這樣。

陳益強舉例穿戴設備可以附著於衣服和鞋子，人機交互最終將實現人機共生。並且，在材料、技術的進步下，能夠完全理解人類自然行為的意圖，甚至幫助解決人口老齡化、阿爾茨海默病等。

曹翔根據自己目前的研究內容，指出，要通過技術把每個人的創造力充分發揮出來，創造力在未來會成為生存和工作所不可或缺的一部分。

未來在輸出上或許能獲得更多體驗，比如把挖掘出更多感官體驗，不只是視覺和聽覺領域，甚至創造一個幻想的世界，這是十分有趣的。

田豐稱，他對於如何通過人機交互的研究推動產業發展更為關心，相關人口老齡化問題已經與協和醫院進行了深入合作，通過對老年人的動作進行解讀，提供量化的輔助診斷。

針對人機交互人才的培養，史元春指出，工業界是有需求的，但是學術界還很迷茫。有博士生畢業後在工業界無法找到與專業十分匹配的職位，由於工業界的進步會促使學術界對人才培養建立一套科學的方法。

史元春教授提到：「我們培養的人才應該能夠發現交互難題，並且能通過科學的方法來解決這個問題。」

曹翔指出，交互設計師、用戶研究員等對口培養的專業，不難找工作；難找工作的是把人機交互作為一個研究領域去學習的學生，因為現有的一個蘿卜一個坑的職業體系，並不太適合跨學科的人才，但創業特別需要這樣的人。

❸ 怎麼選擇伺服器配置

看需求了，要看網站的規模，網站的日均流量等等來選擇的，如果是前期的小站，或者流量不會集中很高的企業站，就不需要很高配置的伺服器了，一般1核2g 1m的就夠用。
嘗試根據下面四個問題來評估自己的需求：
1. 伺服器運行什麼應用？
2. 需要支持多少用戶訪問？
3. 需要多大空間來存儲數據？
4. 我的業務有多重要？

首先得弄明白自己租用伺服器用來干什麼放網站、應用運行或者是用來搭建區域網和放置游戲等，都有一個自己的用途，弄明白用伺服器是用來幹嘛的，就可以很明確的知道自己需要的是哪種類型的伺服器

2.伺服器的價格

伺服器的價格呢主要是看伺服器的配置，例如高防伺服器，每個人對高防伺服器的需求不同價格也會不同比如有的需要防禦值更高的有的需要帶寬很大的還有的對CPU以及硬碟有要求，所以在選擇伺服器的時候要明白自己需要哪種配置，然後再根據配置決定自己的價格預算

3.伺服器商的選擇

現在國內伺服器商現在有很多，在選擇伺服器商的時候也要認真辨別，現在有的小伺服器上用虛擬主機冒充獨立主機但是價格呢卻是按照獨立主機的價格收，如果是需要租賃獨立主機那麼久一定要辨別清楚了，因為這兩者差異還是比較大的

4.售後服務

再選擇好伺服器租賃商後還要考慮是否能提供7*24小時的售後技術支持，如果不能提供24小時的售後技術支持的話那麼就要慎重考慮了，因為伺服器在運行中誰都不能保證會不會出問題，如果使用期間出了問題伺服器商必須能及時處理，這樣才能保證不會給自己造成太大損失。

從你的需求來看，國內選擇那幾個比較大的商家合適，至於名字和具體配置選擇也是一門學問，老魏會幫助你提供參考意見。

❹ Ceph高可用部署和主要組件介紹

本教程用官網最近的cephadm來搭建ceph集群。

第一周作業：1.ceph的組件和功能2.ceph的數據讀寫流程3.使用ceph-deploy安裝一個最少三個節點的ceph集群 推薦3個或以上的磁碟作為專用osd 4.測試ceph的rbd使用

1·Ceph組件和功能

組件

Ceph OSDs : ( Ceph OSD ）object storage daemon的功能是存儲數據，處理數據的復制、恢復、回填、再均衡，並通過檢查其他OSD 守護進程的心跳來向 Ceph Monitors 提供一些監控信息。當 Ceph 存儲集群設定為有2個副本時，至少需要2個 OSD 守護進程，集群才能達到 active+clean 狀態（ Ceph 默認有3個副本，但你可以調整副本數）。

Monitors : 維護著展示集群狀態的各種圖表，包括監視器圖、 OSD 圖、歸置組（ PG ）圖、和 CRUSH 圖。 Ceph 保存著發生在Monitors 、 OSD 和 PG上的每一次狀態變更的歷史信息（稱為 epoch ）。

MDSs : Ceph 元數據伺服器為 Ceph 文件系統存儲元數據（也就是說，Ceph 塊設備和 Ceph 對象存儲不使用MDS ）。元數據伺服器使得 POSIX 文件系統的用戶們，可以在不對 Ceph 存儲集群造成負擔的前提下，執行諸如 ls、find 等基本命令。

CephMgr ：在一個主機上的守護進程，負責運行指標，運行狀態，性能負載，

其他術語：

RADOS：多個主機組成的存儲集群，即可靠，自動化，分布式的對象存儲系統。

File:  就是普通文件，ObjectRADOS看到的對象，Object與File的區別是， Object的最大尺寸由RADOS限定(通常為2MB或4MB) ，以便實現底層存儲的組織管理。因此，當上層應用向RADOS存入尺寸很大的File時，需要將File切分成統一大小的一系列Objet (最後一個的大小可以不同)進行存儲。

librados：RADOS集群的API，支持大部分主流語言。

Pool：存儲池，大小取決於底層的存儲空間。

PG：placeholder group，一個pool（存儲池）內可以有多個PG，pool個pg都是抽象的邏輯概念，可以通過公示計算。PG的用途是對Object的存儲進行組織和位置映射的。具體而言，一個PG負責組織若干個Object，但一個Obiect只能被映射到一個PG中，即PG和Object之間是「一對多」的映射關系。同時，一個PG會被映射到n個OSD上，而每個OSD上都會承載大量的PG，即PG和OSD之間是「多對多」的映射關系。在實踐當中，n至少為2，如果用於生產環境，則至少為3。一個OSD上的PG可達到數百個。事實上， PG數量的設置關繫到數據分布的均勻性問題。

OSD daemon：默認每2秒發送狀態數據給monitor，（同時監控組內其他OSD的狀態）（up 可以提供IO，down不能提供，in有數據，out沒有數據）

PG和OSD之間的關系通過CRUSH演算法得出的。常規這三個 OSD daemon 可以在一台機器上，也可以在不同機器上；那麼根據 CRUSH 演算法會盡可能的保證一個平衡，就是不在同一個機器上；畢竟Ceph中的數據是一個為平衡的狀態，一切都是通過CRUSH 演算法來實現的數據平衡，而 PG 本身是個有序列表，位於第一的位置是 master；這個列表的產生是由 monitor 來產生的；

定址流程

File->Object映射 這次映射的目的是，將用戶要操作的File映射為RADOS能夠處理的Object，其十分簡單，本質上就是按照Object的最大尺寸（默認4M）對File進行切分，相當於磁碟陣列中的條帶化過程。這種切分的好處有兩個:一是讓大小不限的File變成具有一致的最大尺寸、可以被RADOS高效管理的Object;二是讓對單一File實施的串列處理變為對多個Object實施的並行化處理。每一個切分後產生的Object將獲得唯一的oid,即Object ID,其產生方式也是線性映射,極其簡單。 Object →PG映射 在File被映射為1個或多個Object之後,就需要將每個Object獨立地映射到1個PG中去。這個映射過程也很簡單,如圖所示,其計算公式如下:Hash(oid) & mask -> pgid由此可見,其計算由兩步組成。首先,使用Ceph系統指定的一個靜態哈希演算法計算oid的哈希值,將oid映射為一個近似均勻分布的偽隨機值。然後,將這個偽隨機值和mask按位相與,得到最終的PG序號(pgid) 。根據RADOS的設計,給定PG的總數為m(m應該為2的整數冪),則mask的值為m-1。因此,哈希值計算和按位與操作的整體結果事實上是從所有m個PG中近似均勻地隨機選擇1個。基於這一機制,當有大量Object和大量PG時, RADOS能夠保證Object和PG之間的近似均勻映射。又因為Object是由File切分而來的,大部分Object的尺寸相同,因此,這一映射最終保證了各個PG中存儲的Object的總數據量近似均勻。這里反復強調了「大量」 ,意思是只有當Object和PG的數量較多時,這種偽隨機關系的近似均勻性才能成立, Ceph的數據存儲均勻性才有保證。為保證「大量」的成立,一方面, Object的最大尺寸應該被合理配置,以使得同樣數量的File能夠被切分成更多的Object;另一方面, Ceph也推薦PG總數應該為OSD總數的數百倍,以保證有足夠數量的PG可供映射。 PG→ OSD映射 第3次映射就是將作為Object的邏輯組織單元的PG映射到數據的實際存儲單元OSD上。RADOS採用一個名為CRUSH的演算法,將pgid代入其中,然後得到一組共n個OSD。這n個OSD共同負責存儲和維護一個PG中的所有Objecto前面提到過, n的數值可以根據實際應用中對於可靠性的需求而配置,在生產環境下通常為3。具體到每個OSD,則由其上運行的OSD Daemon負責執行映射到本地的Object在本地文件系統中的存儲、訪問、元數據維護等操作。和「Object →PG"映射中採用的哈希演算法不同, CRUSH演算法的結果不是絕對不變的,而會受到其他因素的影響。其影響因素主要有兩個。一是當前系統狀態,也就是在前面有所提及的集群運行圖。當系統中的OSD狀態、數量發生變化時,集群運行圖也可能發生變化,而這種變化將會影響到PG與OSD之間的映射關系。二是存儲策略配置。這里的策略主要與安全相關。利用策略配置,系統管理員可以指定承載同一個PG的3個OSD分別位於數據中心的不同伺服器或機架上,從而進一步改善存儲的可靠性。因此,只有在系統狀態和存儲策略都不發生變化的時候, PG和OSD之間的映射關系才是固定不變的。在實際使用中,策略一經配置通常不會改變。而系統狀態的改變或是因為設備損壞,或是因為存儲集群規模擴大。好在Ceph本身提供了對這種變化的自動化支持,因而,即便PG與OSD之間的映射關系發生了變化,也並不會對應用產生影響。事實上, Ceph正是利用了CRUSH演算法的動態特性,可以將一個PG根據需要動態遷移到不同的OSD組合上,從而自動化地實現高可靠性、數據分布再平衡等特性。之所以在此次映射中使用CRUSH演算法,而不使用其他哈希演算法,一方面原因是CRUSH演算法具有上述可配置特性,可以根據管理員的配置參數決定OSD的物理位置映射策略;另一方面原因是CRUSH演算法具有特殊的「穩定性" ,也即,當系統中加入新的OSD,導致系統規模增大時,大部分PG與OSD之間的映射關系不會發生改變,只有少部分PG的映射關系會發生變化並引發數據遷移。這種可配置性和穩定性都不是普通哈希演算法所能提供的。因此, CRUSH演算法的設計也是Ceph的核心內容之一。 至此為止, Ceph通過3次映射,完成了從File到Object. Object到PG,PG再到OSD的整個映射過程。從整個過程可以看到,這里沒有任何的全局性查表操作需求。至於唯一的全局性數據結構:集群運行圖。它的維護和操作都是輕量級的,不會對系統的可擴展性、性能等因素造成影響 。

存儲過程總結：

1.計算文件到對象的映射

2.通過哈希演算法計算計算出文件對應的pool的PG

3.通過CRUSH把對象映射到PG中的OSD

4.PG種的OSD將對象寫入到磁碟

5.主OSD將數據同步到備份OSD，待備份OSD返回確認

6.主OSD的到備份OSD寫完操作以後給客戶的返回寫入成功

2. ceph的讀寫流程

當某個客戶端需要向Ceph集群寫入一個File時，首先需要在本地完成定址流程，將File變為一個Object，然後找出存儲該Object的一組共3個OSD，這3個OSD具有各自不同的序號，序號最靠前的那個OSD就是這一組中的Primary OSD，而後兩個則依次Secondary OSD和Tertiary OSD。找出3個OSD後，客戶端將直接和Primary OSD進行通信，發起寫入操作(步驟1)。 Primary OSD收到請求後，分別向Secondary OSD和Tertiary OSD發起寫人操作(步驟2和步驟3)。當Secondary OSD和Tertiary OSD各自完成寫入操作後，將分別向Primary OSD發送確認信息(步驟4和步驟5)。當Primary OSD確認其他兩個OSD的寫入完成後，則自己也完成數據寫入，並向客戶端確認Object寫入操作完成(步驟6)。之所以採用這樣的寫入流程，本質上是為了保證寫入過程中的可靠性，盡可能避免出現數據丟失的情況。同時，由於客戶端只需要向Primary OSD發送數據，因此在互聯網使用場景下的外網帶寬和整體訪問延遲又得到了一定程度的優化。當然，這種可靠性機制必然導致較長的延遲，特別是，如果等到所有的OSD都將數據寫入磁碟後再向客戶端發送確認信號，則整體延遲可能難以忍受。因此， Ceph可以分兩次向客戶端進行確認。當各個OSD都將數據寫入內存緩沖區後，就先向客戶端發送一次確認，此時客戶端即可以向下執行。待各個OSD都將數據寫入磁碟後，會向客戶端發送一個最終確認信號，此時客戶端可以根據需要刪除本地數據。分析上述流程可以看出，在正常情況下，客戶端可以獨立完成OSD定址操作，而不必依賴於其他系統模塊。因此，大量的客戶端可以同時和大量的OSD進行並行操作。同時，如果一個File被切分成多個Object，這多個Object也可被並行發送至多個OSD上。從OSD的角度來看，由於同一個OSD在不同的PG中的角色不同，因此，其工作壓力也可以被盡可能均勻地分擔，從而避免單個OSD變成性能瓶頸。

問：為什麼要設計三層映射而不是一層？

答：如果將object直接映射到一組OSD上，如果這種演算法是固定的哈希演算法，則意味著一個object被固定映射在一組OSD上，當其中一個OSD損壞時，object也無法部署到新的OSD上(因為映射函數不允許)。

如果設計一個動態演算法(例如CRUSH演算法)來完成這一映射，結果將是各個OSD所處理的本地元數據暴增，由此帶來的計算復雜度和維護工作量也是難以承受的。

綜上所訴，引入PG的好處至少有二：一方面試下呢object和OSD之間的動態映射，從而為Ceph的可靠性、自動化等特性的實現留下了空間；另一方面也有效簡化了數據的存儲組織，大大降低了系統的維護管理開銷。

1.准備工作

時間同步`

安裝ntpdate（時間同步工具）

# apt install ntpate

0* * * * ntpdate time1.aliyun.com

echo'0 * * * * ntpdate time1.aliyun.com'>> /var/spool/cron/crontabs/root

或者 可以通過

ansible all-mshell-a"echo  '0 * * * * ntpdate time1.aliyun.com' >> /var/spool/cron/crontabs/root"

關閉 selinux 和防火牆

root@node1:~# sudo ufw status  ##查看狀態

Status: inactive

root@node1:~# sudo ufw disable

Firewall stopped and disabled on system startup##禁用

root@node1:~#

配置域名解析或通過 DNS 解析

root@node1:~# cat /etc/hosts

127.0.0.1 localhost

root@node1:~# hostnamectl set-hostname 對應的名稱

## 以下是新增的 可以按照自己的習慣配置

192.168.106.101  node1

192.168.106.102  node2

192.168.106.103  node3

安裝python

root@node1:~# apt install python  ##python2

源修改成國內源  -- 具體步驟自行網路

https://mirrors.aliyun.com/ceph/#阿里雲鏡像倉庫

http://mirrors.163.com/ceph/#網易鏡像倉庫

https://mirrors.tuna.tsinghua.e.cn/ceph/#清華大學鏡像源

ceph用到的埠 (防火牆和安全中記得放開)

Ceph Monitor：啟用 Ceph MON 服務或埠 6789 (TCP)。

Ceph OSD 或元數據伺服器：啟用 Ceph OSD/MDS 服務或埠 6800-7300 (TCP)。

iSCSI 網關：打開埠 3260 (TCP)。

對象網關：打開對象網關通訊所用的埠。此埠在 /etc/ceph.conf 內以 rgw frontends = 開頭的行中設置。HTTP 的默認埠為 80，HTTPS (TCP) 的默認埠為 443。

NFS Ganesha：默認情況下，NFS Ganesha 使用埠 2049（NFS 服務、TCP）和 875 （rquota 支持、TCP）。

SSH：打開埠 22 (TCP)。

NTP：打開埠 123 (UDP)。

2.搭建ceph集群

安裝cephadm

root@node1:~#  wget https://github.com/ceph/ceph/raw/pacific/src/cephadm/cephadm ## node1 管理節點上執行

root@node1:~#  chmod +x cephadm

root@node1:~# ./cephadm add-repo --release pacific  ##設置要安裝的版本

root@node1:~#  which cephadm   ##確認是否安裝成功

初始化集群

root@node1:~# cephadm bootstrap --mon-ip 192.168.106.101   ##ceph集群第一個節點的ip

初始化完了以後就可以訪問dashboard了 地址 ： https://node1:8443/#/dashboard 訪問用戶密碼上一步生成

添加其他節點和其他組件

root@node1:~# ssh-keygen

## 配置免密通信

root@node1:~#  ssh--id -f -i /etc/ceph/ceph.pub root@node2

root@node1:~#  ssh--id -f -i /etc/ceph/ceph.pub root@node3

## 添加node

root@node1:~#  ceph orch host add node2 192.168.106.102

root@node1:~#  ceph orch host add node3 192.168.106.103

## 添加osd

root@node1:~#  ceph orch daemon add osd node1:/dev/sdb

root@node1:~#  ceph orch daemon add osd node1:/dev/sdb

root@node1:~#  ceph orch daemon add osd node3:/dev/sdb

測試

root@node1:~#  ceph fs volume create testfs  ##添加測試fs

root@node1:~#  ceph orch apply mds testfs --placement="3" ##設置備份數

root@node1:~#   ceph orch daemon add mds testfs node1

root@node1:~#   ceph mds stat

## 在集群之外的或者任意機器上操作

root@node4:~#  apt install ceph-common -y

node1初始化集群的節點操作

root@node1:~#  scp /etc/ceph/ceph.client.admin.keyring user@node4:/etc/ceph

##  集群之外的clinet或者測試節點執行

root@node4:~#  mount -t ceph node1:/ /mnt/testfs -o name=admin,secret=AQAoJjBh7OPVNhAAQZyzLhDfgSj+KPmeU5RVlA==,fs=testfs  

root@node4:~#  mount -t ceph node2:/ /mnt/cephfs -o name=admin,secret=AQAoJjBh7OPVNhAAQZyzLhDfgSj+KPmeU5RVlA==,fs=testfs

root@node4:~#  df -h

Filesystem                  Size  Used Avail Use% Mounted on

udev1.4G01.4G0% /dev

tmpfs                       293M1.2M  292M1% /run

....

192.168.106.101:/            18G 1000M   17G6% /mnt/testfs

192.168.106.102:/            18G 1000M   17G6% /mnt/cephfs

root@node4:~#  cd /mnt/cephfs

root@node4:/mnt/cephfs#  dd if=/dev/zero of=test bs=1M count=100 ##生成文件

這時候文件是直接寫在ceph集群上看了， 可以通過dashboard觀察👀。

❺ 急需數據結構C語言版（清華大學出版社）的期末考試試題及答案

《數據結構》期末考試試卷（ A ）

一、 選擇題（每小題2分，共24分）
1．計算機識別、存儲和加工處理的對象被統稱為( A )
A.數據 B.數據元素
C.數據結構 D.數據類型
2．棧和隊列都是（ A ）
A．限制存取位置的線性結構 B．順序存儲的線性結構
C．鏈式存儲的線性結構 D．限制存取位置的非線性結構
3．鏈棧與順序棧相比，比較明顯的優點是( D )
A.插入操作更加方便 B.刪除操作更加方便
C.不會出現下溢的情況 D.不會出現上溢的情況
4．採用兩類不同存儲結構的字元串可分別簡稱為( B )
A.主串和子串 B.順序串和鏈串
C.目標串和模式串 D.變數串和常量串
5． 一個向量第一個元素的存儲地址是100，每個元素的長度為2，則第5個元素的地址是：B
A. 110 B .108
C. 100 D. 120
6．串是一種特殊的線性表，其特殊性體現在：B
A.可以順序存儲 B .數據元素是一個字元
C. 可以鏈接存儲 D. 數據元素可以是多個字元
7．設高度為h的二叉樹上只有度為0和度為2的結點，則此類二叉樹中所包含的結點數至少為： C
A. 2h B .2h-1
C. 2h+1 D. h+1
軟體開發網
8．樹的基本遍歷策略可分為先根遍歷和後根遍歷；二叉樹的基本遍歷策略可分為先序遍歷、中序遍歷和後序遍歷。這里，我們把 由樹轉化得到的二叉樹叫做這棵樹對應的二叉樹。下列結論哪個正確？ A
A. 樹的先根遍歷序列與其對應的二叉樹的先序遍歷序列相同
B .樹的後根遍歷序列與其對應的二叉樹的後序遍歷序列相同
C. 樹的先根遍歷序列與其對應的二叉樹的中序遍歷序列相同
D. 以上都不對
9．一個有n個頂點的無向圖最多有多少邊？C
A. n B .n(n-1)
C. n(n-1)/2 D. 2n
10．在一個圖中，所有頂點的度數之和等於所有邊數的多少倍?C
A. 1/2 B .1
C. 2 D. 4
11．當在二叉排序樹中插入一個新結點時，若樹中不存在與待插入結點的關鍵字相同的結點，且新結點的關鍵字小於根結點的關鍵字，則新結點將成為（ A ）
A．左子樹的葉子結點 B．左子樹的分支結點
C．右子樹的葉子結點 D．右子樹的分支結點
軟體開發網
12．對於哈希函數H(key)=key%13,被稱為同義詞的關鍵字是( D )
A.35和41 B.23和39
C.15和44 D.25和51
二、已知某棵二叉樹的前序遍歷結果為A,B,D,E,G,C,F,H,I,J，其中中序遍歷的結果為D,B,G,E,A,H,F,I,J,C。請畫出二叉的具體結構。（注意要寫出具體步驟）（10分）
原理見課本128頁

三、有圖如下，請寫出從頂點c0出發的深度優先及寬度優先遍歷的結果。(10分)
深度優先；C0-C1-C3-C4-C5-C2
寬度優先：C0-C1-C2-C3-C4-C5
四、有圖如下，按Kruskal演算法求出其最小生成樹。要求寫出完整的步驟。（10分）
原理見課本250頁

五、給定線性表（12，23，45，66，76，88，93，103，166），試寫出在其上進行二分查找關鍵字值12，93，166的過程。並寫出二分查找的演算法。（20分）
0 1 2 3 4 5 6 7 8
12 23 45 66 76 88 93 103 166
過程：
mid=(0+8)/2=4
high=3,low=0 mid=1
high=0,low=0 mid=0（找到12）
high=8,low=5,mid=6（找到93）
high=8,low=7,mid=7
high=8 low=8 mid=8
演算法：見課本84頁上

六、知單鏈表的結點結構為
Data next
下列演算法對帶頭結點的單鏈表L進行簡單選擇排序，使得L中的元素按值從小到大排列。
請在空缺處填入合適的內容，使其成為完整的演算法。 (可用文字說明該演算法的基本思想及執行的過程，10分)
void SelectSort(LinkedList L)
{
LinkedList p,q,min;
DataType rcd;
p= (1) ;
while(p!=NULL) {
min=p;
q=p->next;
while(q!=NULL){
if( (2) )min=q;
q=q->next;
}
if( (3) ){
rcd=p->data;
p->data=min->data;
min->data=rcd;
}
(4) ;
}
}
本題不會。嘿嘿。。。。
七、一個完整的演算法應該具有哪幾個基本性質？分別簡要說明每一性質的含意。(5分)
輸入：
四個基本性質：1.輸入：有零個或多個有外部提供的量作為演算法的輸入
2：輸出：演算法產生至少一個量作為輸出
3.：確定性：組成演算法的每條指令是清晰的，無歧異的。
4.：有限性：演算法中每條指令的執行次數是有限的，執行每條指令的時間也是有限的

八、何謂隊列的"假溢"現象？如何解決？（5分）
隊列的假溢現象是指數組實現的順序隊列中，隊尾指針已到達數組的下表上界產生上溢而隊頭指針之前還有若干 空間閑置的現象。解決的辦法之一是利用循環隊列技術使數組空間的首尾相連。

九、說明並比較文件的各種物理結構。（6分）