基于云平臺的分布式索引與檢索系統(tǒng)的設(shè)計與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩77頁未讀 繼續(xù)免費閱讀

下載本文檔

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

文檔簡介

1、隨著計算機技術(shù)的發(fā)展和互聯(lián)網(wǎng)時代的到來,互聯(lián)網(wǎng)上的信息呈爆炸式增長。面對這些海量數(shù)據(jù),隨著數(shù)據(jù)文件的增多,索引時間呈線性增長;當(dāng)承載高訪問量或者索引數(shù)據(jù)規(guī)模很大時,檢索服務(wù)器無法在有限的時間內(nèi)處理請求。如何快速的建立索引以及如何高效的檢索成為極其關(guān)鍵的問題。另一方面,現(xiàn)在的搜索引擎(如Google和百度),檢索結(jié)果只包含網(wǎng)頁數(shù)據(jù),而沒有結(jié)構(gòu)化數(shù)據(jù),用戶必須選擇某個網(wǎng)頁尋找所需要的結(jié)構(gòu)化信息,檢索結(jié)果不能直觀的展現(xiàn)事物的詳細信息,用戶體驗

2、效果不理想。解決這兩方面的問題對從互聯(lián)網(wǎng)上獲取信息具有極其重要的意義。
  為了解決上述問題,本文設(shè)計并實現(xiàn)了一種分層的基于云計算平臺的分布式索引與檢索系統(tǒng)。首先,針對數(shù)據(jù)量大和單機索引慢的問題,提出了一種使用Lucene并行建立倒排索引的方法,該方法運行在Hadoop集群的多個節(jié)點上,使多臺機器同時建立索引,大大加快了索引建立的速度。其次,提出了一種基于Katta的分布式檢索方法,成功解決了高訪問量和索引數(shù)據(jù)規(guī)模大導(dǎo)致的檢索慢問

3、題。檢索時一方面分級緩存檢索結(jié)果,如果緩存命中則直接返回緩存結(jié)果,未命中時才檢索索引;另一方面將索引分布到Katta集群的多個節(jié)點上并備份索引文件,檢索時多個節(jié)點同時搜索,提高了檢索速度以及系統(tǒng)的可靠性可擴展性。再次,提出了一種以樹形結(jié)構(gòu)展示結(jié)構(gòu)化數(shù)據(jù),以類百度和谷歌的形式展示網(wǎng)頁數(shù)據(jù)的數(shù)據(jù)展示方法,改善了用戶查詢體驗。最后通過對網(wǎng)頁數(shù)據(jù)進行分析,選擇包含手機和公司信息的網(wǎng)頁數(shù)據(jù)對系統(tǒng)進行了全面的測試。
  通過實驗及實際應(yīng)用證明

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

最新文檔

評論

0/150

提交評論