一種面向主題的分布式爬蟲系統(tǒng)的研究與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩82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、Internet技術的發(fā)展使網絡中蘊含的信息資源和網絡用戶迅速激增，龐大的用戶群催生了互聯(lián)網的各種搜索應用。快速、高效、準確地檢索信息，只靠單臺計算機，無論是處理能力還是存儲容量都無法勝任。若采用大型機，則效費比相對變低。因此，研究和開發(fā)廉價的搜索技術的需求越來越大，而近幾年新興的云計算技術無疑提供了一種契機。鑒于云計算的重要性，學術界和企業(yè)界均在開展相關技術的研究和應用，基于云計算的搜索引擎是其中重要的應用之一。
　　基于此，本

2、文在云計算開放平臺hadoop的基礎上開展了面向主題的分布式爬蟲技術的研究，利用服務器搭建起hadoop應用環(huán)境，并在其上成功地實現(xiàn)了面向主題的爬蟲系統(tǒng)。本文首先從云計算技術架構出發(fā)，探討了云計算領域里最為著名的兩個分布式文件系統(tǒng);第二，對云計算領域常用的key/value數據庫之一的Berkeley DB做了深入的研究;第三，對網絡爬蟲Heritrix做了詳細的源代碼分析，為以后改造Heritrix從而生成本系統(tǒng)的主題爬蟲做好準備。在

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