基于Hadoop的分布式网络爬虫系统的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题来源 | 第9-10页 |
| 1.2 研究背景及现状 | 第10页 |
| 1.3 论文主要研究内容 | 第10-11页 |
| 1.4 论文主要组织结构 | 第11-13页 |
| 第二章 相关技术研究 | 第13-24页 |
| 2.1 网络爬虫 | 第13-17页 |
| 2.1.1 爬虫基本原理 | 第13页 |
| 2.1.2 爬虫体系架构 | 第13-15页 |
| 2.1.3 爬行策略 | 第15-17页 |
| 2.2 Hadoop分布式平台 | 第17-23页 |
| 2.2.1 HDFS文件系统 | 第17-20页 |
| 2.2.2 MapReduce分布式计算模型 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 分布式爬虫系统需求与总体设计 | 第24-32页 |
| 3.1 基础资源管理系统 | 第24-25页 |
| 3.2 爬虫系统设计需求 | 第25-27页 |
| 3.2.1 系统业务需求 | 第25-26页 |
| 3.2.2 系统性能需求 | 第26页 |
| 3.2.3 系统其他需求 | 第26-27页 |
| 3.3 爬虫系统总体设计 | 第27-31页 |
| 3.3.1 爬虫系统物理结构设计 | 第27-28页 |
| 3.3.2 爬虫系统功能结构设计 | 第28-30页 |
| 3.3.3 爬虫系统工作流程 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 分布式爬虫系统详细设计和实现 | 第32-54页 |
| 4.1 实现平台和工具 | 第32-33页 |
| 4.2 系统总调度模块 | 第33-35页 |
| 4.3 页面下载模块 | 第35-38页 |
| 4.3.1 实现技术HttpClient | 第35-36页 |
| 4.3.2 各功能类说明 | 第36-37页 |
| 4.3.3 MapReduce时序图 | 第37-38页 |
| 4.4 页面解析模块 | 第38-42页 |
| 4.4.1 主要实现技术 | 第38-39页 |
| 4.4.2 各功能类说明 | 第39-41页 |
| 4.4.3 MapReduce时序图 | 第41-42页 |
| 4.5 URL调度模块 | 第42-47页 |
| 4.5.1 BloomFilter过滤算法 | 第42-43页 |
| 4.5.2 各功能类说明 | 第43-46页 |
| 4.5.3 MapReduce时序图 | 第46-47页 |
| 4.6 文本分类模块 | 第47-51页 |
| 4.6.1 朴素贝叶斯分类算法 | 第47-49页 |
| 4.6.2 各功能类说明 | 第49-50页 |
| 4.6.3 MapReduce时序图 | 第50-51页 |
| 4.7 数据存储模块 | 第51-53页 |
| 4.8 本章小结 | 第53-54页 |
| 第五章 系统测试及效果展示 | 第54-66页 |
| 5.1 测试环境 | 第54-56页 |
| 5.1.1 系统软硬件环境 | 第54-55页 |
| 5.1.2 搭建系统开发分布式环境 | 第55-56页 |
| 5.2 系统测试 | 第56-60页 |
| 5.2.1 系统功能测试 | 第57页 |
| 5.2.2 系统性能测试 | 第57-59页 |
| 5.2.3 系统可扩展性测试 | 第59-60页 |
| 5.3 系统运行展示 | 第60-64页 |
| 5.2.1 系统运行界面 | 第60-61页 |
| 5.2.2 采集数据展示 | 第61-64页 |
| 5.4 系统评价 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 论文工作总结 | 第66页 |
| 6.2 下一步工作展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70页 |
