基于網(wǎng)格的大規(guī)模網(wǎng)頁采集技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩61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

文檔簡介

1、VCE Search Engine是一個基于Globus網(wǎng)格平臺的網(wǎng)絡搜索引擎項目。本文以VCE Search Engine項目的網(wǎng)頁采集功能為需求,設計并實現(xiàn)了一個有效且高性能的基于網(wǎng)格進行大規(guī)模網(wǎng)頁采集的系統(tǒng)。
  本文首先分析和研究了網(wǎng)格技術(shù)的基本特點,給出了相關(guān)的基本概念,并詳細的介紹了網(wǎng)格項目開發(fā)工具包—Globus Toolkit,主要闡述了它的起源、系統(tǒng)結(jié)構(gòu)以及應用Globus Toolkit進行網(wǎng)格項目開發(fā)的基本流

2、程。然后,介紹并分析了網(wǎng)頁采集技術(shù)的相關(guān)概念。介紹了網(wǎng)絡爬蟲的基本原理、網(wǎng)絡爬蟲的基本工作流程、網(wǎng)絡爬蟲的基本數(shù)據(jù)流程以及網(wǎng)絡爬蟲的工作模式分類。然后,給出了網(wǎng)頁采集系統(tǒng)的一般評價指標,并分析了影響各項指標的具體因素,通過實驗給出了采集帶寬對網(wǎng)頁采集速度以及網(wǎng)頁采集錯誤率的影響。然后通過對網(wǎng)格技術(shù)的分析,給出了基于網(wǎng)格進行大規(guī)模網(wǎng)頁采集的優(yōu)點--易于獲得較高帶寬、易于資源的聚合和協(xié)同、易于信息的獲取和發(fā)布以及良好的可擴展性。
  

3、然后,通過對網(wǎng)頁采集系統(tǒng)性能指標影響因素的分析,設計了一個基于網(wǎng)格的大規(guī)模網(wǎng)頁采集模型。給出了一個四層的模型架構(gòu),分析了其基本工作模式,并結(jié)合動態(tài)分配和靜態(tài)分配的工作方式,設計了一個改進的基于靜態(tài)分配的交互模式。然后,給出了基于網(wǎng)格進行網(wǎng)頁采集的任務劃分機制,主要包括種子Urls的選取以及劃分函數(shù)的設定。然后為該模型設計了一個兩層的任務調(diào)度算法—廣域網(wǎng)任務調(diào)度算法和局域網(wǎng)任務調(diào)度算法,并給出了各類數(shù)據(jù)的存儲方式,并通過分析該模型,說明了

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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。
  • 6. 下載文件中如有侵權(quán)或不適當內(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