并行網(wǎng)絡爬蟲設計與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、伴隨著計算機、通信、網(wǎng)絡等技術的成熟和廣泛應用,互聯(lián)網(wǎng)自1989年誕生以來得到了迅猛發(fā)展,已經成為現(xiàn)代人類社會信息資源的一個重要組成部分,在全球范圍內越來越多的信息實體開始選擇互聯(lián)網(wǎng)為其主要載體。如何幫助用戶快速找到需要的信息,成為互聯(lián)網(wǎng)研究中一項重要的課題。為了幫助互聯(lián)網(wǎng)用戶有效地通過互聯(lián)網(wǎng)檢索信息,一種稱之為搜索引擎的網(wǎng)絡信息檢索工具應運而生,為用戶及其所需信息之間架起了一座溝通的橋梁。而網(wǎng)絡爬蟲作為搜索引擎核心部分,為搜索引擎的功

2、能實現(xiàn)奠定了基石。
　　 本文設計并實現(xiàn)了一個基于Map/Reduce(分布式計算模型)并行計算模型的并行網(wǎng)絡爬蟲,實現(xiàn)了負責任務分配的Master模塊,以及負責執(zhí)行網(wǎng)頁抓取任務的Worker模塊,在Worker模塊中實現(xiàn)了通用的Crawler模塊,設計了DNS緩沖結構,并且為了提高網(wǎng)頁抓取的效率,加入了URL消重功能。
　　 本文首先介紹了HTTP協(xié)議,HttpClient組件的功能,URL,消重,DNS緩沖策略等相關

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論