基于Nutch的信息采集系统的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·项目研究背景和意义 | 第11-12页 |
| ·信息采集系统的国内外研究现状 | 第12-14页 |
| ·主要研究工作和内容 | 第14页 |
| ·论文结构 | 第14-15页 |
| 第二章 系统相关技术研究 | 第15-26页 |
| ·Hadoop Framwork | 第15-21页 |
| ·MapReduce | 第15-17页 |
| ·Hadoop 分布式文件系统 | 第17-18页 |
| ·Hadoop 的并行化原理 | 第18-21页 |
| ·小结 | 第21页 |
| ·Nutch 系统 | 第21-25页 |
| ·Nutch 系统框架 | 第22-23页 |
| ·Nutch 爬虫系统 | 第23-24页 |
| ·Nutch 插件 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 ICSBN 系统设计和模块实现 | 第26-36页 |
| ·ICSBN 的系统设计目标 | 第26-27页 |
| ·ICSBN 系统的数据存储介绍 | 第27-29页 |
| ·ICSBN 的系统设计 | 第29-31页 |
| ·各模块的实现 | 第31-35页 |
| ·注入器-Injector | 第31页 |
| ·选择器-URL Selector | 第31-33页 |
| ·采集器-Fetcher | 第33-34页 |
| ·解析器-Parser | 第34页 |
| ·更新器-Updater | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 ICSBN 系统扩展策略的研究 | 第36-56页 |
| ·域名解析缓存策略 | 第36-39页 |
| ·多级缓存的域名解析 | 第37-38页 |
| ·相关算法及设计 | 第38-39页 |
| ·IP 过滤插件 | 第39-42页 |
| ·插件系统的相关概念 | 第39-42页 |
| ·IP 过滤插件的实现 | 第42页 |
| ·URL 重要度衡量 | 第42-48页 |
| ·网页重要度计算算法 | 第44-45页 |
| ·URL 权值评价 | 第45-47页 |
| ·OPIC 算法扩展 | 第47-48页 |
| ·网页更新预测 | 第48-55页 |
| ·网页指纹 | 第48-49页 |
| ·网页更新时间的预测算法 | 第49-50页 |
| ·动态选择策略 | 第50-52页 |
| ·重要参数的确定 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 实验与结果分析 | 第56-67页 |
| ·实验环境 | 第56页 |
| ·硬件环境 | 第56页 |
| ·系统部署 | 第56页 |
| ·系统实验 | 第56-65页 |
| ·域名解析策略实验 | 第56-59页 |
| ·URL 重要度衡量实验 | 第59-61页 |
| ·网页更新预测实验 | 第61-63页 |
| ·系统性能实验 | 第63-65页 |
| ·实验结果和分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
