自己花钱买的电子书，高清完整版！很实用的教材，读起来一点也不晦涩。
目录译者序前言第1章概论1.1推动因素1.2基本计算机组成1.3分布式系统的定义1.4我们的模型1.5互连网络1.6应用与标准1.7范围1.8参考资料来源参考文献习题第2章分布式程序设计语言2.1分布式程序设计支持的需求2.2并行/分布式程序设计语言概述2.3并行性的表示2.4进程通信与同步2.5远程过程调用2.6健壮性第3章分布式系统设计的形式方法3.1模型的介绍3.1.1状态机模型3.1.2佩特里网3.2因果相关事件3.2.1发生在先关系3.2.2时空视图3.2.3交叉视图3.3全局状态3.3.1时空视图中的全局状态3.3.2全局状态：一个形式定义3.3.3全局状态的“快照”3.3.4一致全局状态的充要条件3.4逻辑时钟3.4.1标量逻辑时钟3.4.2扩展3.4.3有效实现3.4.4物理时钟3.5应用3.5.1一个全序应用：分布式互斥3.5.2一个逻辑向量时钟应用：消息的排序3.6分布式控制算法的分类3.7分布式算法的复杂性第4章互斥和选举算法4.1互斥4.2非基于令牌的解决方案4.2.1Lamport算法的简单扩展4.2.2Ricart和Agrawala的第一个算法4.2.3Maekawa的算法4.3基于令牌的解决方案4.3.1Ricart和Agrawala的第二个算法4.3.2一个简单的基于令牌环的算法4.3.3一个基于令牌环的容错算法4.3.4基于令牌的使用其他逻辑结构的互斥4.4选举4.4.1Chang和Roberts的算法4.4.2非基于比较的算法4.5投标4.6自稳定第5章死锁的预防、避免和检测5.1死锁问题5.1.1死锁发生的条件5.1.2图论模型5.1.3处理死锁的策略5.1.4请求模型5.1.5资源和进程模型5.1.6死锁条件5.2死锁预防5.3一个死锁预防的例子：分布式数据库系统5.4死锁避免5.5一个死锁避免的例子：多机器人的灵活装配单元5.6死锁检测和恢复5.6.1集中式方法5.6.2分布式方法5.6.3等级式方法5.7死锁检测和恢复的例子5.7.1AND模型下的Chandy，Misra和Hass算法5.7.2AND模型下的Mitchell和Merritt算法5.7.3OR模型下的Chandy，Misra和Hass算法第6章分布式路由算法6.1导论6.1.1拓扑6.1.2交换6.1.3通信类型6.1.4路由6.1.5路由函数6.2一般类型的最短路径路由6.2.1Dijkstra集中式算法6.2.2Ford的分布式算法6.2.3ARPAnet的路由策略6.3特殊类型网络中的单播6.3.1双向环6.3.2网格和圆环6.3.3超立方6.4特殊类型网络中的广播6.4.1环6.4.22维网格和圆环6.4.3超立方6.5特殊类型网络中的组播6.5.1一般方法6.5.2基于路径的方法6.5.3基于树的方法第7章自适应、无死锁和容错路由7.1虚信道和虚网络7.2完全自适应和无死锁路由7.2.1虚信道类7.2.2逃逸信道7.3部分自适应和无死锁路由7.4容错单播：一般方法7.52维网格和圆环中的容错单播7.5.1基于局部信息的路由7.5.2基于有限全局信息的路由7.5.3基于其他故障模型的路由7.6超立方中的容错单播7.6.1基于局部信息的模型7.6.2基于有限全局信息的模型：安全等级7.6.3基于扩展安全等级模型的路由：安全向量7.7容错广播7.7.1一般方法7.7.2使用全局信息的广播7.7.3使用安全等级进行广播7.8容错组播7.8.1一般方法7.8.2基于路径的路由7.8.3使用安全等级在超立方中进行组播第8章分布式系统的可靠性8.1基本模型8.2容错系统设计的构件模块8.2.1稳定存储器8.2.2故障-停止处理器8.2.3原子操作8.3节点故障的处理8.3.1向后式恢复8.3.2前卷式恢复8.4向后恢复中的问题8.4.1检查点的存储8.4.2检查点方法8.5处理拜占庭式故障8.5.1同步系统中的一致协议8.5.2对一个发送者的一致8.5.3对多个发送者的一致8.5.4不同模型下的一致8.5.5对验证消息的一致8.6处理通信故障8.7处理软件故障第9章静态负载分配9.1负载分配的分类9.2静态负载分配9.2.1处理器互连9.2.2任务划分9.2.3任务分配9.3不同调度模型概述9.4基于任务优先图的任务调度9.5案例学习：两种最优调度算法9.6基于任务相互关系图的任务调度9.7案例学习：域划分9.8使用其他模型和目标的调度9.8.1网络流量技术：有不同处理器能力的任务相互关系图9.8.2速率单调优先调度和期限驱动调度：带实时限制的定期任务9.8.3通过任务复制实现故障安全调度：树结构的任务优先图9.9未来的研究方向第10章动态负载分配10.1动态负载分配10.1.1动态负载分配的组成要素10.1.2动态负载分配算法10.2负载平衡设计决策10.2.1静态算法对动态算法10.2.2多样化信息策略10.2.3集中控制算法和分散控制算法10.2.4移植启动策略10.2.5资源复制10.2.6进程分类10.2.7操作系统和独立任务启动策略10.2.8开环控制和闭环控制10.2.9使用硬件和使用软件10.3移植策略：发送者启动和接收者启动10.4负载平衡使用的参数10.4.1系统大小10.4.2系统负载10.4.3系统交通强度10.4.4移植阈值10.4.5任务大小10.4.6管理成本10.4.7响应时间10.4.8负载平衡视界10.4.9资源要求10.5其他相关因素10.5.1编码文件和数据文件10.5.2系统稳定性10.5.3系统体系结构10.6负载平衡算法实例10.6.1直接算法10.6.2最近邻居算法：扩散10.6.3最近邻居算法：梯度10.6.4最近邻居算法：维交换10.7案例学习：超立方体多计算机上的负载平衡10.8未来的研究方向第11章分布式数据管理11.1基本概念11.2可串行性理论11.3并发控制11.3.1基于锁的并发控制11.3.2基于时戳的并发控制11.3.3乐观的并发控制11.4复制和一致性管理11.4.1主站点方法11.4.2活动复制11.4.3选举协议11.4.4网络划分的乐观方法：版本号向量11.4.5网络分割的悲观方法：动态选举11.5分布式可靠性协议第12章分布式系统的应用12.1分布式操作系统12.1.1服务器结构12.1.2八种服务类型12.1.3基于微内核的系统12.2分布式文件系统12.2.1文件存取模型12.2.2文件共享语义12.2.3文件系统合并12.2.4保护12.2.5命名和名字服务12.2.6加密12.2.7缓存12.3分布式共享内存12.3.1内存相关性问题12.3.2Stumm和Zhou的分类12.3.3Li和Hudak的分类12.4分布式数据库系统12.5异型处理12.6分布式系统的未来研究方向附录DCDL中的通用符号列表

前言在我的上一篇文章《使用Nginx提升网站访问速度》中介绍了Nginx这个HTTP服务器以及如何通过它来加速网站的访问速度。
在实际的网站运营中，我们经常需要了解到网站的访问情况，例如每天有多少IP在访问、PV数是多少、哪个URL访问量最大、用户使用最多的浏览器是哪个、都是通过什么方式知道这个网站的以及有多少用户访问出错等等，通过掌握这些信息来提高用户的体验，从而改善网站的质量。
一般我们可以通过一些免费的访问统计网站例如GoogleAnalytics来或者这些信息。
但不足之处是这类网站只能对页面进行分析，不包括静态文件；
另外可能有很多的站长不愿意使用这类工具来暴露自己的数据，种种的这些因素使站长希望自己来分析访问日志。
而awstats就可以满足所有的这些需求。
Awstats是在SourceForge上发展很快的一个基于Perl的WEB日志分析工具，一个充分的日志分析让Awstats显示您下列资料:• 访问次数、独特访客人数,• 访问时间和上次访问,• 使用者认证、最近认证的访问,• 每周的高峰时间(页数,点击率,每小时和一周的千字节),• 域名/国家的主机访客(页数,点击率,字节,269域名/国家检测,geoip检测),• 主机名单,最近访问和未解析的IP地址名单• 大多数看过的进出页面,• 档案类型,• 网站压缩统计表(mod_gzip或者mod_deflate),• 使用的操作系统(每个操作系统的页数,点击率,字节,35OSdetected),• 使用的浏览器,• 机器人访问(检测319个机器人),• 蠕虫攻击(5个蠕虫家族),• 搜索引擎，利用关键词检索找到你的地址,• HTTP协议错误(最近查阅没有找到的页面),• 其他基于URL的个性报导,链接参数,涉及综合行销领域目的.• 贵网站被加入"最喜爱的书签".次数.• 屏幕大小(需要在索引页补充一些HTML标签).• 浏览器的支持比例:Java,Flash,RealG2reader,Quicktimereader,WMAreader,PDFreader.• 负载平衡服务器比率集群报告.Awstats的运行是需要PERL环境的支持，从awstats的文档来看，它对ApacheHTTPServer的支持是非常完美的，而当我们把Web服务器换成Nginx后，要运行awstats变得很麻烦。
首先Nginx本身对Perl的支持是比较弱的，甚至官方也不建议使用；
另外在日志格式上有需要修改后才能运行。
本文主要介绍通过让awstats对日志统计的结果生成静态页面，然后通过Nginx输出以达到统计Nginx访问日志的效果，其中还包括如何让Nginx自动切割日志文件。
配置Nginx自动切割日志

多GPU无合成绘制算法采用混合sort-first与sort-last的并行绘制模式,将绘制任务划分为多个子任务集合进行并行绘制并异步合成显示。
原方法中对屏幕的分割方式过于平凡,未明确提出一种高效的屏幕分割策略,从无合成算法本身特性出发,提出一种自适应屏幕划分策略,该算法根据GPU数目及绘制分辨率参数,启发式计算屏幕初始划分方式,再采用统计性能反馈的方式动态选择最佳屏幕划分方式,较原有方法更易于实现子屏幕任务的负载平衡,实验表明,算法在带来很少额外计算开销的同时,能够有效平衡并行绘制任务负载,进一步发挥多GPU无合成并行绘制系统的绘制效率。

流动：数据必须流动这是Alpha软件。
它可以正常工作，并且已经过优化，但是目前还没有所有计划的功能。
API可能会意外更改。
使用各自的最佳功能和可用库，以不同的编程语言编写的组件（程序）连接起来。
使它们在组件网络中进行通信。
建立一个数据工厂，组件在其中将传递的数据帧转换成有用的输出。
组件自然会利用所有可用的处理器内核。
组件网络可以跨越多台机器，适合在分布式系统中使用。
路由可用，并且存在负载平衡组件。
尽可能使用可用的现成组件。
收集专用组件的集合，并将其重新用于您的下一个和下一个项目。
因此，您不必花更多的时间在开发上，而不必为每个项目重新编写代码。
这是由提出的基于流的编程（FBP）的基本思想。
该flowd（用于流量守护程序）可以处理FBP网络的执行中，把由编程，然后构成某种应用程序或处理系统中所定义的运行时环境。
因此，基于可重复使用的黑匣子的

在高密度软件定义的WiFi网络中完成负载平衡

ensp仿真VRRP负载平衡实例

nginx作为负载均衡器，所有请求都到了nginx，可见nginx处于非常重点的位置，如果nginx服务器宕机后端web服务将无法提供服务，影响严重。
为了屏蔽负载均衡服务器的宕机，需要建立一个备份机。
主服务器和备份机上都运行高可用（HighAvailability）监控程序，通过传送诸如“Iamalive”这样的信息来监控对方的运行情况。
当备份机不能在一定的时间内收到这样的信息时，它就接管主服务器的服务IP并继续提供负载均衡服务；
当备份管理器又从主管理器收到“Iamalive”这样的信息时，它就释放服务IP地址，这样的主服务器就开始再次提供负载均衡服务。

springcloud+eureka+ribbon多服务负载平衡springcloud+eureka+ribbon多服务负载平衡

面向负载平衡的具有成本效益的并行义务调度方法

阿里云服务器搭建nginx负载平衡

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。