使用Dask和PyTorch课程进行并行化和分布式计算 数据科学为商业，学术界和其他部门带来不可否认的价值。 随着我们开始意识到这一点，企业和组织已经在收集和存储比以往任何时候都更多的数据。 因此，数据科学从业者所面临的挑战不是复杂的机器学习方法，而是我们处理大量数据的能力。 将并行化和分布式计算应用于机器学习用例（例如计算机视觉任务）可以提高速度和生产率，从而使我们能够充分利用海量数据和复杂方法。 利用分布式计算并将标准Python转换为优化的并行代码可能是具有挑战性的。 学完本课程后，学生将掌握使用分布式计算和并行化以扩大其机器学习所需的基础知识。 本课程将包括一个案例研究示例，演示使用PyTorch进行图像分类的这些策略，PyTorch是可以受益于并行化的多种机器学习方法之一。 学习目标 学完本课程后，学生将能够： 描述什么是分布式计算，并了解如何访问云中的机器集群并与之交互 解

分布式计算-PySpark 该存储库包含有关在Python中使用Spark进行分布式计算的微型项目。 文本分析：PySpark中的逐点相互信息 计算文本文件中出现的所有单词的一个或多个标记的PMI。 图/网络分析：PySpark中的个性化PageRank算法 实现PageRank算法的修改版本，其中参照给定的源节点执行排名。 修改有两个方面： 随机仅跳到源节点 由于节点悬空而造成的质量损失将完全转移到源节点，而不是在整个图形上重新分配 使用Spark数据帧和Spark SQL查询TPCH

Distributed Computing with Go 英文epub 本资源转载自网络，如有侵权，请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书

Designing Distributed Systems(Early Release) 英文无水印pdf pdf所有页面使用FoxitReader和PDF-XChangeViewer测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 本资源转载自网络，如有侵权，请联系上传者或csdn删除

The Chubby lock serviceforloosely-coupled distributed systems的53页ppt

讲分布式计算的教材书籍，其中对分布式算法的理论有很多涉及。英文版。清晰。 Distributed Computing - Fundamentals, Simulations and Advanced Topics (2nd Edition)

分布式高并发商品秒杀系统设计 介绍 本项目为另一个项目的分布式改进版本，DIS-秒杀意为：秒杀分布，即分布式秒杀系统。 商品秒杀与其他业务最大的区别在于： 低廉价格； 杰出推广 瞬间售空； 一般是定时上架； 时间短，瞬时并发量高，网络的流量也会瞬间变大。 除了具有以上特点，秒杀商品还需要完成正常的电子商务逻辑，即：（1）查询商品；（2）创建订单；（3）扣减库存；（4）更新订单；（5）付款；（6 ）卖家发货。 本项目正是基于上述业务特点进行设计的，在项目中约会多个优化手段，使系统可以从容应对秒杀场景下的业务处理。 另外，项目为单体应用，在大并发高层下处理能力有限，所以本项目进行进行改造，对任务进

Distributed Computing Through Combinatorial Topology 2013

cse291网络系统 UCSD CSE 291的课程项目-研究生网络系统 进步： 建立一个Web服务器 SurfStore：类似DropBox的存储服务

raft-java Raft implementation library for Java. 参考自和Raft作者的开源实现。 支持的功能 leader选举 日志复制 snapshot 集群成员动态更变 Quick Start 在本地单机上部署一套3实例的raft集群，执行如下脚本： cd raft-java-example && sh deploy.sh 该脚本会在raft-java-example/env目录部署三个实例example1、example2、example3； 同时会创建一个client目录，用于测试raft集群读写功能。 部署成功后，测试写操作，通过如下脚本： cd env/client ./bin/run_client.sh "list://127.0.0.1:8051,127.0.0.1:8052,127.0.0.1:8053" hello world 测试