无线传感器网络具有广泛的应用，然而如何有效部署无线传感器节点，提高节点利用率和网络覆盖率，仍是一个亟待解决的问题。针对传统无线传感器网络部署方法存在节点冗余率高、覆盖率低等问题，以网络覆盖率为优化目标，将烟花算法良好的结果搜索能力与分布式高效的计算速度相结合，实现对网络覆盖率优化模型的高效求解。实验表明，该算法相比于普通的烟花算法具有更好的计算结果和更快的收敛速度。

分布式计算系统导论：原理与组成.pdf

七月在线python数据分析代码，社交网络分析、可视化、分布式计算。

System Studio分布式计算及版本管理final

LINPACK

google 分布式三大奠基理论之一

西电分布式计算课程七次线上作业。

中山大学陈鹏飞老师并行与分布式编程PPT汇总

关于MPI、并行计算的总结对比，目录如下： 1. 并行计算 1.1. 相关背景 1.2. 什么是并行计算 1.3. 主要目的 1.4. 并行计算与分布式计算 1.5. 并行的基本条件 1.6. 主要的并行系统 1.6.1. 共享内存模型 1.6.2. 消息传递模型 1.6.3. 数据并行模型 1.6.4. 对比分析 2. MPI 2.1. 什么是MPI 2.2. MPI的实现 2.3. MPI基本函数 2.4. MPI功能特点 2.5. 技术对比分析 2.5.1. 共享内存模型（以OpenMP为例） 2.5.2. 分布式内存模型 2.6. 小结 3. 问题解释 3.1. 并行计算和MPI是什么关系？为了实现并行计算，是否使用MPI技术即可实现？ 3.2. MPI技术原理是什么，即基础设施提供什么样的支持能力？ 3.3. 为了实现并行计算，应用软件需要什么样的特殊设计 3.4. 什么样的软件需要并行计算 4. 部分参考资料

Spark是UCBerkeleyAMPlab所开源的类HadoopMapReduce的通用的并行计算框架，Spark基于mapreduce算法实现的分布式计算，拥有HadoopMapReduce所具有的优点；但不同于MapReduce的是Job中间输出和结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的mapreduce的算法。其架构如下图所示：Spark的中间数据放到内存中，对于迭代运算效率更高。Spark更适合于迭代运算比较多的ML和DM运算。因为在Spark里面，有RDD的抽象概念。Spark比Hadoop更通用。Spark提供的数