云計算與大數據技術應用習題含答案

第1章1.簡述什么是云計算？答：云計算是一種動態(tài)擴展的計算模式，通過網絡將虛擬化的資源作為服務提供；云計算是一種無處不在的、便捷的通過互聯網訪問一個可定制的IT資源（IT資源包括網絡、服務器、存儲、應用軟件和服務）共享池，并是一種按使用量付費的模式，它能夠通過最少量的管理或與服務供應商的互動實現計算資源的迅速供給和釋放；云計算是基于互聯網服務的增加、使用和交付模式，通常涉及通過互聯網來提供動態(tài)易擴展且經常是虛擬化的資源。2.云計算有什么特點？答：①具有大規(guī)模并行計算能力；②資源虛擬化（Virtualization）和彈性調度；③數據量巨大并且增速迅猛；④高可靠性；⑤按需分配，按量計費。3.請分別回答什么是IaaS、PaaS、SaaS？答：IaaS：基礎設施即服務，InfrastructureasaService；PaaS：平臺即服務，PlatformasaService；SaaS：軟件即服務，SoftwareasaService。4.云計算的基礎設施有哪些，各自完成什么功能？答：①分布式文件系統(tǒng)，完成數據的存儲；②MapReduce編程模式，提供分布式并行編程環(huán)境進行數據處理；③大規(guī)模分布式數據庫BigTable，提供分布式大規(guī)模數據庫管理系統(tǒng)。第2章1.解釋說明什么是非結構化和半結構化數據？答：非結構化數據是數據結構不規(guī)則或不完整，沒有預定義的數據模型，不方便用數據庫二維邏輯表來表現的數據，包括所有格式的辦公文檔、文本、圖片、圖像和音頻/視頻信息等。半結構化數據是介于完全結構化數據（如關系型數據庫、面向對象數據庫中的數據）和完全無結構的數據之間的數據，XML、HTML文檔屬于半結構化數據，它一般是自描述的，數據的結構和內容混在一起，沒有明顯的區(qū)分。2.大數據價值鏈的三大構成是什么？答：數據本身、技能與思維。3.大數據的4V特征是什么？答：①多樣性（Variety）；②規(guī)模性大（Volume）；③快速性（Velocity）；④價值密度低（Value）。4.簡述云計算與大數據的關系？答：云計算與大數據是一對相輔相成的概念，它們描述了面向計算時代信息技術的兩個方面，云計算側重于描述資源和應用的網絡化交付方法，大數據側重于描述面向數據時代由于數據量巨大所帶來的技術挑戰(zhàn)。云計算的核心是業(yè)務模式，本質是數據處理技術。數據是資產，云為數據資產提供了存儲、訪問的場所和計算，即云計算更偏重海量存儲和計算，以及提供的云服務，運行云應用。云計算是基礎設施架構，大數據是靈魂資產。第3章1.什么是虛擬化？答：虛擬化是一個廣義的術語，對不同的行業(yè)或不同的人有著不同的意義。在計算機科學領域中，虛擬化意味著對計算機資源的抽象。簡單來說，虛擬化是模擬真正的（或者稱物理的）計算機資源，模擬CPU、內存、存儲、網絡等用戶可見的物理的硬件資源。2.為什么要使用虛擬化？答：使用虛擬化的原因主要有以下四點：（1）使用虛擬化可以共享資源，而相互不受影響。（2）使用虛擬化可以將很多零散的資源集中到一處，而使用的用戶則感覺像是一個整體。（3）使用虛擬化可以動態(tài)維護資源的分配，動態(tài)擴展或減少某個用戶所使用的資源。（4）使用虛擬化易于管理資源，易于發(fā)布版本，易于部署版本，易于測試版本等。3.常見的虛擬化技術有哪些？答：常見的虛擬化技術有：CPU虛擬化，內存虛擬化，全虛擬化，半虛擬化，硬件輔助虛擬化，存儲虛擬化等虛擬化技術。第4章1.數據中心的發(fā)展經歷了_________、________、_______、_______四個階段。答：巨型機時代、微型計算機/PC時代、互聯網時代、云計算與大數據時代。2.數據中心的選址主要考慮_________、_________、_________、_________等因素。答：地質條件、氣候環(huán)境、電力供給、網絡帶寬。3.數據中心的主要組成部分有_________、_________、_________、_________。答：基礎設施、硬件設施、基礎軟件、管理支撐軟件。4.云存儲系統(tǒng)的結構模型主要包括_________、_________、_________、_________。答：存儲層，基礎管理層，應用接口層，訪問層。5.云存儲的實現前提是什么？答：寬帶網絡的發(fā)展；Web2.0技術的出現；應用存儲的發(fā)展；集群技術、網格技術和分布式文件系統(tǒng)；CDN內容分發(fā)、P2P技術、數據壓縮技術、重復數據刪除技術、數據加密技術；存儲虛擬化技術、存儲網絡化管理技術。6.云存儲的特性是_________、_________、_________、_________、_________。答：可靠性，安全性，管理方便，可擴展性，數據訪問。第5章1.解釋說明什么是并行計算？簡要概括并行計算的發(fā)展如何？答：在計算機術語中，并行性指的是把一個復雜問題分解成多個能同時處理子問題的能力。并行計算（ParallelComputing）是指同時使用多種計算資源解決計算問題的過程，是提高計算機系統(tǒng)計算速度和處理能力的一種有效手段。20世紀70年代，第一臺并行計算機于1972年產生（ILLIACIV，伊利諾依大學），由64個處理器組成，可擴展性好，但可編程性差；20世紀80年代，并行計算機進入百家爭鳴狀態(tài)，以多指令多數據流MIMD（MultipleInstructionstreamMultipleDatastream）并行計算機為主；20世紀90年代，并行計算體系結構框架趨于統(tǒng)一，基本以分布式共享存儲（DistributedSharedMemory，DSM）、大規(guī)模并行處理結構（MassivelyParallelProcessing，MPP）、工作站機群（ClusterofWorkstations，COW）為代表；21世紀初，并行計算得到了前所未有的大踏步發(fā)展，以COW為原型的由大規(guī)模商用普通PC機構成的機群為主；今天，越來越多的并行計算機系統(tǒng)采用商品化的微處理器加上商品化的互連網絡構造，這種分布存儲的并行計算機系統(tǒng)稱為集群（NOW），并行計算進入了一個新的時代，并行計算的應用達到了前所未有的廣度和深度。2.簡要說明集群的概念和集群系統(tǒng)的分類。答：集群是一組獨立的計算機（結點）的集合體，結點間通過高性能的網絡相連接，各結點除了作為一個單一的計算資源供用戶使用外，還可以協同工作，并表示為一個單一的、集中的計算資源，供并行計算使用。集群是一種造價低廉、易于構建并且具有較好可擴展性的體系結構。集群系統(tǒng)按功能和結構可以分為如下四類：（1）高可用性集群系統(tǒng)（2）負載均衡集群系統(tǒng)（3）高性能集群系統(tǒng)（4）虛擬化集群系統(tǒng)。3.并行計算的分類有哪些？答：并行計算技術在高速發(fā)展的今天，出現了各種不同的技術方法，同時也出現了不同的分類方法，包括按指令和數據處理方式的Flynn分類、按存儲訪問結構的分類、按應用計算特征的分類。4.簡要說明并行計算的四類設計模型？答：并行計算的設計模型主要有四類：隱式并行（ImplicitParallel）、數據并行（DataParallel）、共享變量（SharedVariable）、消息傳遞（MessagePassing）。（1）隱式并行是程序員用熟悉的串行語言編程，編譯器或運行支持系統(tǒng)自動轉化為并行代碼。其特點是語義簡單、可移植性好、單線程、易于調試和驗證正確性，但效率很低。（2）數據并行是SIMD的自然模型，是局部計算和數據選路操作。其特點是單線程、并行操作于聚合數據結構（數組）、松散同步、單一地址空間、隱式交互作用和顯式數據分布。（3）共享變量是PVP、SMP、DSM的自然模型。其特點是多線程（SPMD、MPMD）、異步、單一地址空間、顯式同步、隱式數據分布、隱式通信。（4）消息傳遞是MPP、COW的自然模型。其特點是多線程、異步、多地址空間、顯式同步、顯式通信、顯式數據映射和負載分配。5.并行程序設計方式主要有哪幾種并分別說明。答：實現并行編程常見方法有以下三種。但三者可混合使用，如對以SMP為節(jié)點的Cluster來說，可以在節(jié)點間進行消息傳遞，在節(jié)點內進行共享變量編程。（1）線程模型：OpenMP、POSIX。（2）消息傳遞模型：PVM（ParallelVirtualMachineComputing）、MPI（MessagePassingInterface）。（3）數據并行模型：HPF。第6章1.簡述OpenStack主要的組成模塊有哪些？答：OpenStack由幾個大模塊組成：DASHBOARD、COMPUTE、BLOCKSTORAGE、NETWORKING、IMAGESERVICE、OBJECTSTORAGE、IDENTIFYSERVICE等。2.簡述網絡服務模塊Neutron的功能。答：Neutron在OpenStack環(huán)境中管理所有虛擬網絡基礎設施（VirtualNetworkingInfrastructure，VNI），即Neutron將網絡、子網、端口和路由器等物理網絡基礎設施（PhysicalNetworkingInfrastructure，PNI）抽象化，之后啟動的虛擬主機就可以連接到這個虛擬網絡上。3.簡述Nova的功能？答：COMPUTE計算服務項目名為Nova。是OpenStack不可缺少的核心模塊，為用戶提供計算平臺，主要負責與虛擬化平臺的接口對接，如KVM，Xen等接口。Nova作為OpenStack的核心模塊主要完成計算，它主要負責虛擬服務的管理。OpenStack計算是IaaS（InfrastructureasaService，基礎設施即服務）的一個主要部分，它與其它組件有著非常緊密的聯系。4.簡述Swift和Cinder的區(qū)別。答：OpenStack組件Swift和Cinder的區(qū)別主要有三點：Cinder在OpenStack平臺中提供塊存儲服務。設計它的目的就是為了終端用戶使用的，即由Nova模塊管理的虛擬機實例模塊使用。實現塊存儲服務一般都會用到與LVM相關的技術或者使用自定義的驅動方式來存儲。（2）Swift在OpenStack中還有另一個名字叫做對象存儲項目，它是一個云存儲軟件，通過一個簡單的API你就可以實現很多數據的獲取與存儲。設計它的目的是為了解決擴展并優(yōu)化整個數據集的持久性、可用性以及并發(fā)性。Swift用于存儲那些非結構化的數據是非常理想的，用戶根本就不需要擔心數據會太多引起問題。（3）簡單來說，Cinder像硬盤塊，直接掛載到虛擬機上。Swift像軟件，它通過接口存儲與獲取數據。第7章1.請描述Docker容器是如何分層的？Docker鏡像是由文件系統(tǒng)疊加而成。類似于虛擬機中的鏡像，但不同點在于其通過分層結構使得用戶的寫操作僅針對為用戶單獨生成的讀寫層。Docker將這樣的文件系統(tǒng)稱為鏡像。當用戶要構建一個容器時，守護進程生成鏡像棧，并根據用戶指定的鏡像從倉庫中拉取，并分層推入鏡像棧中，位于下面的鏡像稱為父鏡像，其中最底部的鏡像稱為基礎鏡像。2.Dockerfile文件常用命令有哪些？FROM、MAINTAINER、RUN、CMD是四個基礎命令。FROM命令指定了基礎鏡像。MAINTAINER命令說明了維護者信息。RUN命令對基礎鏡像作進一步操作。CMD命令指定了對啟動容器執(zhí)行執(zhí)行何命令。其他命令還有EXPOSE命令告訴Docker服務端容器暴露的端口號，供互聯系統(tǒng)使用。ENV命令用于指定一個環(huán)境變量。ADD命令將復制指定的<src>到容器中的<dest>。COPY命令將復制本地主機的<src>（為Dockerfile所在目錄的相對路徑）到容器中的<dest>。VOLUME命令用于創(chuàng)建一個可以從本地主機或其他容器掛載的掛載點。WORKDIR命令配置工作目錄。ENTRYPOINT命令用于配置容器啟動后執(zhí)行的命令。3.有了容器，為什么還需要Kubernetes呢？它可以幫助用戶省去應用容器化過程的許多手動部署和擴展操作。Kubernetes可以將運行Linux容器的多組主機聚集在一起，從而輕松高效地管理這些集群。而且，這些集群可跨公共云、私有云或混合云部署主機。因此，對于要求快速擴展的云原生應用而言，Kubernetes是理想的托管平臺。Kubernetes擁有一個龐大且快速增長的生態(tài)系統(tǒng)。Kubernetes的服務、支持和工具廣泛可用。第8章1.HDFS上默認的一個數據塊（Block）大小是多少？答：64M。2.畫出HDFS的基礎架構圖并簡單概述其原理。答：基礎架構圖：HDFS是一個典型的主從（Master／Slave）架構。Master主節(jié)點（NameNode）也叫元數據節(jié)點（MetadataNode），可以看作是分布式文件系統(tǒng)中的管理者，存儲文件系統(tǒng)的meta-data。包括文件系統(tǒng)的命名空間（NameSpace），訪問控制信息，塊當前所在的位置，集群配置信息。從節(jié)點也叫數據節(jié)點（DataNode），提供真實文件數據的物理支持。Hadoop集群中包含大量的DataNode，DataNode響應客戶機的讀寫請求，還響應MetadataNode對文件塊的創(chuàng)建、刪除、移動、復制等命令。3.簡要概述MapReduce編程模型。答：MapReduce編程模型主要由兩個抽象類構成，即Mapper和Reducer抽象類，Mapper用以對切分過的原始數據進行處理，Reducer則對Mapper的結果進行匯總，得到最后的輸出。在數據格式上，Mapper接受<key,value>格式的數據流，并產生一系列同樣是<key,value>形式的輸出，這些輸出經過相應處理，形成<key,{valuelist}>的形式的中間結果；之后，由Mapper產生的中間結果再傳給Reducer作為輸入，把相同key值的{valuelist}做相應處理，最終生成<key,value>形式的結果數據，再寫入HDFS中。4.列式數據庫HBase有哪些特征？答：HBase是一個類似BigTable的分布式數據庫，大部分特性和BigTable一樣，是一個稀疏的、長期存儲的、多維度的、排序的映射表。5.搭建Hadoop開發(fā)環(huán)境，并實現。答：搭建開發(fā)環(huán)境：（1）修改主機名。（2）修改IP地址，并綁定主機名與IP。（3）關閉防火墻并關閉防火墻開機啟動。（4）安裝jdk并將java添加到環(huán)境變量中。（5）安裝hadoop，并分別修改hadoop-env.sh、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml五個配置文件，并將hadoop添加到環(huán)境變量。（6）初始化HDFS（格式化文件系統(tǒng)）。（7）啟動hadoop。（8）實現（此處以測試程序WordCount為例）。①先在hadoop用戶當前目錄下新建文件夾WordCount，在其中建立兩個測試文件file1.txt，file2.txt。自行在兩個文件中填寫內容。file1.txt文件內容為：Thisisthefirsthadooptestprogram!file2.txt文件內容為：Thisprogramisnotverydifficult,butthisprogramisacommonhadoopprogram!②在Hadoop文件系統(tǒng)上新建文件夾“input”，并查看其中的內容：hadoopfs–mkdir/inputhadoopfs–ls/③將WordCount文件夾中file1.txt、file2.txt文件上傳到剛剛創(chuàng)建的“input”文件夾：hadoopfs–put/home/hadoop/WordCount/*.txt/input④運行Hadoop的示例程序wordcount，運行命令如下：hadoopjarhadoop-mapreduce-examples-2.4.1.jarwordcountintputoutput=5\*GB3⑤查看輸出結果的文件位置和WordCount的結果：hadoopfs-ls/output使用如下指令查看WordCount的結果：hadoopfs–cat/output/part-r-00000顯示信息如下：This2a1common1difficult,but1first1hadoop2is3not1program2program!2test1the1this1very1第9章1.Storm采用的三進程架構包括什么？答：Nimbus、Supervisor、Zookeeper2.Storm中用戶每實現一個任務，需要構造哪兩類的拓撲組件？答：Spout和Bolt。3.簡述搭建Storm的開發(fā)環(huán)境。答：步驟如下：（1）安裝準備，解壓所需工具的壓縮包storm.tar.gz；（2）安裝依賴文件，配置JDK；（3）安裝Zookeeper；（4）安裝ZeroMQ；（5）安裝Storm；（6）啟動Storm。第10章1.請陳述RDD的五大特征。答：Partition（分區(qū)）、Compute函數、Dependencies（依賴）、Partitioner（分區(qū)函數）、PreferedLocations（優(yōu)先位置）。2.簡述Spark的運行模式。答：Spark的運行模式有很多種，當部署在單機上時，既可以用本地模式運行，也可以用偽分布模式運行；當部署在分布式集群上時，根據集群的實際情況，也有眾多的運行模式可供選擇。底層的資源調度既可以使用外部資源調度框架，也可以使用Spark內建的Standalone模式。目前常用的外部資源調度框架有Yarn模式和Mesos模式。3.Spark的生態(tài)系統(tǒng)包括哪些。答：Spark的生態(tài)系統(tǒng)主要包括以SparkCore為基礎的四個核心子框架：處理結構化數據的SparkSQL、對實時數據流進行處理的SparkStreaming、用于圖計算的GraphX、機器學習算法庫MLlib。第11章1.什么是CloudSim？答：CloudSim是澳大利亞墨爾本大學云計算與分布式系統(tǒng)實驗室開發(fā)的一種通用、可擴展的云計算仿真框架，也是一個云計算仿真工具集，提供了用于描述數據中心、虛擬機、應用、用戶、計算資源和管理策略等核心類。2.CloudSim使用的模型場景有哪些？答：CloudSim可以對云數據中心的很多方面做場景模擬，比如網絡、電力、虛擬機的運行情況等等。最主要分為以下兩大類，云數據中心能耗模型以及云數據中心的經濟模型。3.簡述CloudSim仿真的主要步驟。答：（1）初始化CloudSim程序包；（2）創(chuàng)建數據中心；（3）創(chuàng)建數據中心(用戶)代理；（4）創(chuàng)建虛擬機和云事務，并將其傳遞給數據中心代理；（5）創(chuàng)建云任務、開始仿真；（6）結束仿真、統(tǒng)計結果。4.使用CloudSim完成以下數據中心的仿真。仿真兩個數據中心，每個數據中心分別有10臺物理機（5臺雙核，5臺4核）。兩個數據中心總共有100臺虛擬機，每臺虛擬機的運算能力（100-500）不相同。這兩個數據中心總共需要處理1000個外部負載（負載能力10000-100000）任務。答：packageorg.cloudbus.cloudsim.examples;importjava.text.DecimalFormat;importjava.util.ArrayList;importjava.util.Calendar;importjava.util.LinkedList;importjava.util.List;importjava.util.Random;importorg.cloudbus.cloudsim.Cloudlet;importorg.cloudbus.cloudsim.CloudletSchedulerTimeShared;importorg.cloudbus.cloudsim.Datacenter;importorg.cloudbus.cloudsim.DatacenterBroker;importorg.cloudbus.cloudsim.DatacenterCharacteristics;importorg.cloudbus.cloudsim.Host;importorg.cloudbus.cloudsim.Log;importorg.cloudbus.cloudsim.Pe;importorg.cloudbus.cloudsim.Storage;importorg.cloudbus.cloudsim.UtilizationModel;importorg.cloudbus.cloudsim.UtilizationModelFull;importorg.cloudbus.cloudsim.Vm;importorg.cloudbus.cloudsim.VmAllocationPolicySimple;importorg.cloudbus.cloudsim.VmSchedulerTimeShared;importorg.cloudbus.cloudsim.core.CloudSim;importvisioners.BwProvisionerSimple;importvisioners.PeProvisionerSimple;importvisioners.RamProvisionerSimple;/***Anexampleshowinghowtocreate*scalablesimulations.*/publicclassCloudSimExercise{ /**Thecloudletlist.*/ privatestaticList<Cloudlet>cloudletList; /**Thevmlist.*/ privatestaticList<Vm>vmlist; privatestaticList<Vm>createVM(intuserId,intmips[]){ //CreatesacontainertostoreVMs.Thislistispassedtothebrokerlater LinkedList<Vm>list=newLinkedList<Vm>(); //VMParameters longsize=10000;//imagesize(MB) intram=512;//vmmemory(MB) //intmips=1000; longbw=1000; intpesNumber=1;//numberofcpus Stringvmm="Xen";//VMMname //createVMs Vm[]vm=newVm[mips.length]; for(inti=0;i<mips.length;i++){ vm[i]=newVm(i,userId,mips[i],pesNumber,ram,bw,size,vmm,newCloudletSchedulerTimeShared()); //forcreatingaVMwithaspacesharedschedulingpolicyforcloudlets: //vm[i]=Vm(i,userId,mips,pesNumber,ram,bw,size,priority,vmm,newCloudletSchedulerSpaceShared()); list.add(vm[i]); } returnlist; } privatestaticList<Cloudlet>createCloudlet(intuserId,longcloudlets[]){ //CreatesacontainertostoreCloudlets LinkedList<Cloudlet>list=newLinkedList<Cloudlet>(); //cloudletparameters //longlength=1000; longfileSize=300; longoutputSize=300; intpesNumber=1; UtilizationModelutilizationModel=newUtilizationModelFull(); Cloudlet[]cloudlet=newCloudlet[cloudlets.length]; for(inti=0;i<cloudlets.length;i++){ cloudlet[i]=newCloudlet(i,cloudlets[i],pesNumber,fileSize,outputSize,utilizationModel,utilizationModel,utilizationModel); //settingtheowneroftheseCloudlets cloudlet[i].setUserId(userId); list.add(cloudlet[i]); } returnlist; } //////////////////////////STATICMETHODS/////////////////////// /** *Createsmain()torunthisexample */ publicstaticvoidmain(String[]args){ Log.printLine("StartingCloudSimExercise..."); try{ //Firststep:InitializetheCloudSimpackage.Itshouldbecalled //beforecreatinganyentities. intnum_user=1;//numberofgridusers Calendarcalendar=Calendar.getInstance(); booleantrace_flag=false;//meantraceevents //InitializetheCloudSimlibrary CloudSim.init(num_user,calendar,trace_flag); //Secondstep:CreateDatacenters //DatacentersaretheresourceprovidersinCloudSim.WeneedatlistoneofthemtorunaCloudSimsimulation @SuppressWarnings("unused") Datacenterdatacenter0=createDatacenter("Datacenter_0"); @SuppressWarnings("unused") Datacenterdatacenter1=createDatacenter("Datacenter_1"); //Thirdstep:CreateBroker DatacenterBrokerbroker=createBroker(); intbrokerId=broker.getId(); //Fourthstep:CreateVMsandCloudletsandsendthemtobroker Randomrand=newRandom(); int[]mips=newint[100]; for(inti=0;i<mips.length;i++){ mips[i]=rand.nextInt(401)+100; } vmlist=createVM(brokerId,mips);//creating20vms long[]len=newlong[1000]; for(inti=0;i<len.length;i++){ len[i]=rand.nextInt(90000)+10000; } cloudletList=createCloudlet(brokerId,len);//creating40cloudlets broker.submitVmList(vmlist); broker.submitCloudletList(cloudletList); //Fifthstep:Startsthesimulation CloudSim.startSimulation(); //Finalstep:Printresultswhensimulationisover List<Cloudlet>newList=broker.getCloudletReceivedList(); CloudSim.stopSimulation(); printCloudletList(newList); Log.printLine("CloudSimExercisefinished!"); } catch(Exceptione) { e.printStackTrace(); Log.printLine("Thesimulationhasbeenterminatedduetoanunexpectederror"); } } privatestaticDatacentercreateDatacenter(Stringname){ //HerearethestepsneededtocreateaPowerDatacenter: //1.Weneedtocreatealisttostoreoneormore //Machines List<Host>hostList=newArrayList<Host>(); //2.AMachinecontainsoneormorePEsorCPUs/Cores.Therefore,should //createalisttostorethesePEsbeforecreating //aMachine. List<Pe>peList1=newArrayList<Pe>(); intmips=1000; //3.CreatePEsandaddtheseintothelist. //foraquad-coremachine,alistof4PEsisrequired: peList1.add(newPe(0,newPeProvisionerSimple(mips)));//needtostorePeidandMIPSRating peList1.add(newPe(1,newPeProvisionerSimple(mips))); peList1.add(newPe(2,newPeProvisionerSimple(mips))); peList1.add(newPe(3,newPeProvisionerSimple(mips))); //Anotherlist,foradual-coremachine List<Pe>peList2=newArrayList<Pe>(); peList2.add(newPe(0,newPeProvisionerSimple(mips))); peList2.add(newPe(1,newPeProvisionerSimple(mips))); //4.CreateHostswithitsidandlistofPEsandaddthemtothelistofmachines inthostId=0; intram=16384;//hostmemory(MB) longstorage=1000000;//hoststorage intbw=10000; for(inti=0;i<5;i++){ hostList.add( newHost( hostId, newRamProvisionerSimple(ram), newBwProvisionerSimple(bw), storage, peList1, newVmSchedulerTimeShared(peList1) ) ); hostId++; } for(inti=0;i<5;i++){ hostList.add( newHost( hostId, newRamProvisionerSimple(ram), newBwProvisionerSimple(bw), storage, peList2, newVmSchedulerTimeShared(peList2) ) ); } Stringarch="x86";//systemarchitecture Stringos="Linux";//operatingsystem Stringvmm="Xen"; doubletime_zone=10.0;//timezonethisresourcelocated doublecost=3.0;//thecostofusingprocessinginthisresource doublecostPerMem=0.05; //thecostofusingmemoryinthisresource doublecostPerStorage=0.1; //thecostofusingstorageinthisresource doublecostPerBw=0.1; //thecostofusingbwinthisresource LinkedList<Storage>storageList=newLinkedList<Storage>(); //wearenotaddingSANdevicesbynow DatacenterCharacteristicscharacteristics=newDatacenterCharacteristics(arch,os,vmm,hostList,time_zone,cost,costPerMem,costPerStorage,costPerBw); //6.Fin