| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题的研究背景 | 第11-12页 |
| 1.2 课题的研究内容与现状 | 第12-14页 |
| 1.3 本文的内容和结构 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 相关研究工作综述 | 第15-34页 |
| 2.1 搜索引擎技术综述 | 第15-19页 |
| 2.1.1 搜索引擎中索引的建立 | 第16-18页 |
| 2.1.2 搜索引擎中搜索结果排序 | 第18-19页 |
| 2.2 网络爬虫概述 | 第19-22页 |
| 2.2.1 网络爬虫的基本构成 | 第19-20页 |
| 2.2.2 网络爬虫的研究现状 | 第20-22页 |
| 2.3 云计算发展综述 | 第22-27页 |
| 2.3.1 云计算的发展现状 | 第23-24页 |
| 2.3.2 云计算的特点 | 第24-25页 |
| 2.3.3 云计算的体系结构与服务层次 | 第25-27页 |
| 2.4 Hadoop分布式系统综述 | 第27-33页 |
| 2.4.1 Hadoop的分布式文件系统 | 第27-28页 |
| 2.4.2 HBase数据库与Zookeeper | 第28-30页 |
| 2.4.3 MapReduce分布式框架编程模型 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 分布式网络爬虫的分析与概要设计 | 第34-47页 |
| 3.1 分布式网络爬虫系统布局 | 第34-36页 |
| 3.1.1 分布式平台的系统架构 | 第34-35页 |
| 3.1.2 分布式爬虫的总体流程设计 | 第35-36页 |
| 3.2 网络爬虫的爬取相关技术分析 | 第36-41页 |
| 3.2.1 网络爬虫的爬取深度策略 | 第36-37页 |
| 3.2.2 Robots 协议简介 | 第37-38页 |
| 3.2.3 DNS以及爬虫相关解决方案分析 | 第38-39页 |
| 3.2.4 网络爬虫消重策略分析 | 第39-40页 |
| 3.2.5 跨语言服务开发框架Apache Thrift | 第40-41页 |
| 3.3 分布式网络爬虫的结构设计 | 第41-46页 |
| 3.3.1 配置模块设计 | 第42-44页 |
| 3.3.2 存储模块设计 | 第44-46页 |
| 3.3.3 任务管理模块设计 | 第46页 |
| 3.3.4 爬取模块设计 | 第46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 分布式网络爬虫的详细设计与实现 | 第47-57页 |
| 4.1 分布式网络爬虫的接口设计 | 第47-51页 |
| 4.1.1 网页接口的设计与实现 | 第47-48页 |
| 4.1.2 Thrift程序接口的设计与实现 | 第48-51页 |
| 4.2 分布式网络爬虫的数据信息 | 第51-52页 |
| 4.2.1 URL的状态信息 | 第51页 |
| 4.2.2 页面信息 | 第51页 |
| 4.2.3 页面解析信息 | 第51-52页 |
| 4.3 分布式爬虫的主要模块分析与实现 | 第52-56页 |
| 4.3.1 URL注入模块 | 第52-53页 |
| 4.3.2 待爬取URL列表生成模块 | 第53-55页 |
| 4.3.3 爬取与更新模块 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 分布式网络爬虫的实验测试与分析 | 第57-69页 |
| 5.1 分布式平台的软硬件环境 | 第57-60页 |
| 5.1.1 硬件环境介绍 | 第57-58页 |
| 5.1.2 软件环境介绍 | 第58-60页 |
| 5.2 分布式网络爬虫的部署 | 第60-64页 |
| 5.2.1 系统环境配置 | 第60-63页 |
| 5.2.2 爬虫的部署与基本测试 | 第63-64页 |
| 5.3 分布式网络爬虫的系统测试与分析 | 第64-68页 |
| 5.3.1 基本功能测试 | 第65-66页 |
| 5.3.2 性能测试 | 第66-67页 |
| 5.3.3 测试结果分析 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 工作展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73页 |