| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 面向树结构的分布式爬虫研究现状 | 第9-10页 |
| 1.2.2 面向图结构的分布式爬虫研究现状 | 第10-11页 |
| 1.2.3 微博爬虫研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文结构安排 | 第13-14页 |
| 第二章 网络爬虫及其相关技术 | 第14-23页 |
| 2.1 网络爬虫 | 第14-16页 |
| 2.1.1 爬虫基本原理 | 第14页 |
| 2.1.2 爬虫爬行策略 | 第14-16页 |
| 2.2 页面信息获取技术 | 第16-19页 |
| 2.2.1 HTTPClient | 第17页 |
| 2.2.2 HTMLParser | 第17-18页 |
| 2.2.3 正则表达式 | 第18-19页 |
| 2.3 Socket通信 | 第19-20页 |
| 2.4 P2P网络概述 | 第20-22页 |
| 2.4.1 P2P网络概念 | 第20-21页 |
| 2.4.2 P2P网络特点 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 面向图结构的网络爬虫 | 第23-36页 |
| 3.1 拓扑结构选择 | 第23-26页 |
| 3.1.1 集中式网络 | 第23页 |
| 3.1.2 非结构化网络 | 第23-24页 |
| 3.1.3 结构化网络 | 第24页 |
| 3.1.4 混合式网络 | 第24-25页 |
| 3.1.5 结构对比 | 第25-26页 |
| 3.2 协议选择 | 第26-28页 |
| 3.2.1 DHT协议 | 第26-27页 |
| 3.2.2 Chord协议 | 第27-28页 |
| 3.3 Chord-Crawler分布式网络爬虫模型 | 第28-35页 |
| 3.3.1 爬虫模块设计 | 第29-30页 |
| 3.3.2 任务调度算法 | 第30-31页 |
| 3.3.3 系统架构设计 | 第31-32页 |
| 3.3.4 查询算法 | 第32-34页 |
| 3.3.5 节点加入/退出算法 | 第34页 |
| 3.3.6 模型特点 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 动态插入均衡算法 | 第36-44页 |
| 4.1 负载平衡概述 | 第36-38页 |
| 4.1.1 负载平衡的目的 | 第36-37页 |
| 4.1.2 负载均衡算法分类 | 第37-38页 |
| 4.2 动态插入均衡算法 | 第38-40页 |
| 4.2.1 参数定义 | 第38-39页 |
| 4.2.2 算法流程 | 第39-40页 |
| 4.3 性能测试 | 第40-43页 |
| 4.3.1 实验环境介绍 | 第40-41页 |
| 4.3.2 参数设置 | 第41-42页 |
| 4.3.3 实验结果 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 Chord-Crawler分布式微博爬虫系统 | 第44-60页 |
| 5.1 基于模拟登录的微博爬虫 | 第44-52页 |
| 5.1.1 模拟登录算法 | 第45-47页 |
| 5.1.2 微博页面分析 | 第47-48页 |
| 5.1.3 用户去重策略 | 第48-49页 |
| 5.1.4 数据存储策略 | 第49-51页 |
| 5.1.5 微博爬虫设计 | 第51-52页 |
| 5.2 任务划分 | 第52页 |
| 5.3 节点协同 | 第52-53页 |
| 5.4 系统架构 | 第53-55页 |
| 5.5 节点加入/退出算法 | 第55-56页 |
| 5.6 系统性能测试 | 第56-59页 |
| 5.6.1 实验环境介绍 | 第56-57页 |
| 5.6.2 集群规模测试 | 第57页 |
| 5.6.3 去重分析 | 第57-58页 |
| 5.6.4 性能对比 | 第58-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 附录2 攻读硕士学位期间申请的专利 | 第65-66页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |