在聚类分析中，根据远近程度来聚类通常指的是基于某种距离度量进行聚类。以下是对选项的分析：

A: **点和点之间的距离**
B: **类和类之间的距离**

在聚类分析中，需要明确的两个距离是：**点和点之间的距离**（A）以及**类和类之间的距离**（B）。这两个距离的度量方式是构建聚类方法的基础。例如，在K均值聚类中，通常使用点与点之间的距离来将点划分到最近的簇中；而在层次聚类中，类与类之间的距离被用于决定将哪些簇合并。

C: **欧式距离**
D: **兰氏距离（通常应为“曼哈顿距离”或“马氏距离”）**

欧式距离（C）和曼哈顿距离（D）都是具体的距离度量方法，它们可以用于计算点和点之间的距离，或者类与类之间的距离。在具体算法实现中会选择适合数据特征的距离度量方式。

因此，正确答案是：**A: 点和点之间的距离**，**B: 类和类之间的距离**。