基于Web对象的分布式抓取及存储的设计与研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪言 | 第9-14页 |
| ·课题研究背景 | 第9-10页 |
| ·课题研究的国内外现状 | 第10页 |
| ·本课题主要研究内容和意义 | 第10-11页 |
| ·本课题要实现的目标 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 课题相关技术研究 | 第14-27页 |
| ·网络爬虫技术研究 | 第14-15页 |
| ·网页的净化和消重技术研究 | 第15-17页 |
| ·网页净化技术研究 | 第15-16页 |
| ·网页消重技术研究 | 第16-17页 |
| ·分布式存储技术研究 | 第17-21页 |
| ·分布式数据库技术研究 | 第17-20页 |
| ·分布式文件系统研究 | 第20-21页 |
| ·Perl脚本语言介绍 | 第21-23页 |
| ·网页分析选择Perl的理由 | 第21-22页 |
| ·C和 C++程序中嵌入Perl脚本介绍 | 第22-23页 |
| ·SUNRPC介绍 | 第23-25页 |
| ·Trie树介绍 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 网页消重技术的研究 | 第27-38页 |
| ·网页消重问题的提出 | 第27页 |
| ·网页消重问题的分析研究 | 第27-31页 |
| ·基于网页URL的消重技术研究 | 第27-30页 |
| ·基于网页内容的消重技术研究 | 第30-31页 |
| ·解决网页消重问题的算法研究 | 第31-36页 |
| ·基于新闻网页URL消重算法 | 第31-35页 |
| ·针对新闻内容的消重算法研究 | 第35-36页 |
| ·针对新闻网页消重算法的性能测试 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 Web对象的分布式抓取设计 | 第38-54页 |
| ·Web对象分布式抓取的研究背景 | 第38页 |
| ·分布式URL分配算法研究 | 第38-41页 |
| ·常见Hash函数介绍 | 第39-40页 |
| ·构造URL分配Hash算法 | 第40-41页 |
| ·分布式网络爬虫的总体设计方案 | 第41-44页 |
| ·一般爬虫设计方案介绍 | 第41-42页 |
| ·分布式爬虫系统设计方案 | 第42-44页 |
| ·分布式爬虫系统设计方案的具体实施 | 第44页 |
| ·分布式网络爬虫系统的总体架构 | 第44-46页 |
| ·分布式网络爬虫具体实现 | 第46-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 Web对象的分布式存储设计 | 第54-74页 |
| ·存储需求与背景 | 第54-57页 |
| ·存储系统的设计目标 | 第57-59页 |
| ·针对存储目标的设计方案 | 第59-61页 |
| ·存储系统架构设计 | 第61-63页 |
| ·存储系统的整体实现 | 第63-73页 |
| ·存储控制服务器功能实现 | 第63-69页 |
| ·存储服务器端功能实现 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-77页 |
| ·本论文研究成果 | 第74-75页 |
| ·进一步的工作 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 附录 A:攻读学位期间发表论文情况 | 第83页 |
