基于Hadoop的分布式网络爬虫技术
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题来源 | 第9页 |
| ·课题研究背景及意义 | 第9-12页 |
| ·本文主要工作及内容 | 第12-13页 |
| ·本文的主要组织和结构 | 第13-16页 |
| 第2章 相关技术研究 | 第16-29页 |
| ·云计算相关知识 | 第16-19页 |
| ·云计算定义 | 第16-17页 |
| ·云计算基本原理 | 第17-18页 |
| ·云计算的体系结构 | 第18-19页 |
| ·Hadoop 分布式平台相关知识 | 第19-24页 |
| ·分布式文件系统 | 第20-23页 |
| ·Map/Reduce 分布式计算模型 | 第23-24页 |
| ·网络爬虫原理 | 第24-27页 |
| ·网络爬虫系统的工作原理 | 第25页 |
| ·网络爬虫系统的基本结构 | 第25-26页 |
| ·分布式网络爬虫的工作原理 | 第26-27页 |
| ·分布式网络爬虫研究现状 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 功能分析与结构设计 | 第29-48页 |
| ·分布式网络爬虫的设计需求 | 第29-30页 |
| ·系统布局 | 第30-32页 |
| ·爬虫系统基本结构 | 第32-37页 |
| ·爬虫基本流程设计 | 第32-35页 |
| ·爬虫系统的框架设计 | 第35-37页 |
| ·功能模块的Map/Reduce 设计 | 第37-47页 |
| ·CrawlerDriver 模块设计 | 第37-39页 |
| ·ParserDriver 模块设计 | 第39-41页 |
| ·OptimizerDriver 模块设计 | 第41-43页 |
| ·MergeDriver 模块设计 | 第43-45页 |
| ·HtmlToXMLDriver 模块设计 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 分布式爬虫具体实现 | 第48-62页 |
| ·存储结构的实现 | 第48-50页 |
| ·待抓取URL 库 | 第48页 |
| ·原始网页库 | 第48-49页 |
| ·链出URL 库 | 第49-50页 |
| ·XML 库 | 第50页 |
| ·爬虫总体数据结构 | 第50-52页 |
| ·功能模块的实现 | 第52-61页 |
| ·CrawlerDriver 模块 | 第52-54页 |
| ·ParserDriver 模块 | 第54-56页 |
| ·OptimizerDriver 模块 | 第56-58页 |
| ·MergeDriver 模块 | 第58-59页 |
| ·HtmlToXMLDriver 模块 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 性能分析与评价 | 第62-70页 |
| ·系统运行展示 | 第62-67页 |
| ·数据统计与分析 | 第67-68页 |
| ·与非分布式爬虫的比较 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 附录一 抓取数据统计表 | 第71-74页 |
| 参考文献 | 第74-77页 |
| 攻读学位期间发表的学术论文 | 第77-79页 |
| 致谢 | 第79页 |
