| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 课题研究内容及意义 | 第11-12页 |
| 1.4 文章组织结构 | 第12-15页 |
| 第2章 分布式爬虫系统的相关技术与算法 | 第15-33页 |
| 2.1 Hadoop分布式计算平台 | 第15-19页 |
| 2.1.1 HDFS分布式文件系统 | 第16-17页 |
| 2.1.2 MapReduce分布式计算模型 | 第17-19页 |
| 2.2 网络爬虫 | 第19-24页 |
| 2.2.1 网络爬虫工作原理 | 第19-20页 |
| 2.2.2 网络爬虫分类 | 第20-21页 |
| 2.2.3 基于Hadoop的分布式网络爬虫Nutch | 第21-24页 |
| 2.3 相关软件与技术 | 第24-25页 |
| 2.3.1 HttpClient | 第24-25页 |
| 2.3.2 HTMLParser | 第25页 |
| 2.3.3 HTTP状态码 | 第25页 |
| 2.4 分布式爬虫系统的相关任务调度算法介绍 | 第25-31页 |
| 2.4.1 分布式任务调度结构 | 第26-28页 |
| 2.4.2 任务调度算法概述 | 第28-31页 |
| 2.5 网络爬虫相关URL去重算法的介绍 | 第31-32页 |
| 2.5.1 基于磁盘的顺序存储的去重算法 | 第31页 |
| 2.5.2 基于Hash算法的存储的去重算法 | 第31-32页 |
| 2.5.3 基于MD5压缩映射的存储的去重算法 | 第32页 |
| 2.5.4 基于Bloom Filter的去重算法 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于分布式加权轮转任务调度算法分析及其改进 | 第33-43页 |
| 3.1 任务调度算法分析与优化 | 第33-38页 |
| 3.1.1 基于加权任务调度算法的缺陷分析 | 第33页 |
| 3.1.2 需要改进的加权轮转任务调度的需求分析 | 第33-34页 |
| 3.1.3 任务调度的具体分析与设计 | 第34-38页 |
| 3.2 任务调度模块实现 | 第38-39页 |
| 3.3 任务调度模块实验测试 | 第39-40页 |
| 3.3.1 实验环境 | 第39页 |
| 3.3.2 实验过程与结果分析 | 第39-40页 |
| 3.4 本章小结 | 第40-43页 |
| 第4章 基于Hadoop的Bloom Filter去重算法及改进 | 第43-53页 |
| 4.1 去重算法分析与优化 | 第43-48页 |
| 4.1.1 现有URL去重策略缺陷分析 | 第43-45页 |
| 4.1.2 去重策略优化方案 | 第45-48页 |
| 4.2 去重算法优化具体实现 | 第48-50页 |
| 4.3 去重优化实验测试 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 基于改进算法的分布式网络爬虫系统的设计与实现 | 第53-71页 |
| 5.1 系统需求分析 | 第53页 |
| 5.2 分布式搜索引擎的系统架构与模块分析 | 第53-55页 |
| 5.3 分布式网络爬虫系统的概要设计 | 第55-60页 |
| 5.3.1 分布式网络爬虫运行流程分析 | 第56-57页 |
| 5.3.2 物理框架设计 | 第57-58页 |
| 5.3.3 逻辑框架设计 | 第58-60页 |
| 5.4 分布式爬虫的模块设计 | 第60-62页 |
| 5.5 分布式网络爬虫数据存储结构的设计 | 第62-63页 |
| 5.6 分布式网络爬虫系统的实现 | 第63-65页 |
| 5.7 分布式爬虫系统的系统测试 | 第65-69页 |
| 5.7.1 系统测试环境 | 第65-67页 |
| 5.7.2 系统测试 | 第67-69页 |
| 5.8 本章小结 | 第69-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-79页 |
| 致谢 | 第79页 |
