| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题研究背景 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 课题研究内容及意义 | 第17-18页 |
| 1.4 文章组织结构 | 第18-19页 |
| 第二章 课题相关技术研究 | 第19-39页 |
| 2.1 Hadoop分布式计算平台 | 第19-29页 |
| 2.1.1 Hadoop平台组件 | 第19-20页 |
| 2.1.2 HDFS文件系统 | 第20-25页 |
| 2.1.3 MapReduce软件框架 | 第25-29页 |
| 2.2 网络爬虫技术 | 第29-38页 |
| 2.2.1 网络爬虫基本原理 | 第29-33页 |
| 2.2.2 网络爬虫分类 | 第33-35页 |
| 2.2.3 分布式网络爬虫Nutch研究 | 第35-38页 |
| 2.3 本章小结 | 第38-39页 |
| 第三章 网络爬虫相关算法研究 | 第39-51页 |
| 3.1 链接分析算法 | 第39-45页 |
| 3.1.1 OPIC算法研究 | 第39-40页 |
| 3.1.2 HITS算法研究 | 第40-43页 |
| 3.1.3 PageRank算法研究 | 第43-45页 |
| 3.2 URL去重算法 | 第45-50页 |
| 3.2.1 基于数据库的去重算法 | 第45-46页 |
| 3.2.2 基于Hash的去重算法 | 第46页 |
| 3.2.3 布隆过滤器算法 | 第46-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第四章 基于Hadoop的PageRank算法及其改进 | 第51-69页 |
| 4.1 分布式PageRank算法存在的缺陷 | 第51页 |
| 4.2 基于Hadoop的分布式PageRank算法及其改进 | 第51-58页 |
| 4.2.1 分布式PageRank常规算法 | 第51-54页 |
| 4.2.2 基于链接图结构划分的分布式PageRank算法改进 | 第54-58页 |
| 4.3 算法实现 | 第58-60页 |
| 4.4 实验环境搭建 | 第60-63页 |
| 4.4.1 Hadoop平台整体信息 | 第60-61页 |
| 4.4.2 Hadoop全分布式配置 | 第61-63页 |
| 4.5 测试数据获取 | 第63-65页 |
| 4.6 算法仿真分析 | 第65-68页 |
| 4.6.1 MapReduce中间输出结果数据仿真分析 | 第65-66页 |
| 4.6.2 算法时间性能仿真分析 | 第66-67页 |
| 4.6.3 算法在集群节点改变时的性能仿真分析 | 第67-68页 |
| 4.7 本章总结 | 第68-69页 |
| 第五章 基于Hadoop的Bloom Filter去重算法及其改进 | 第69-85页 |
| 5.1 布隆过滤器URL去重算法存在的缺陷 | 第69页 |
| 5.2 布隆过滤器改进算法 | 第69-75页 |
| 5.2.1 布隆过滤器的误判率 | 第69-72页 |
| 5.2.2 算法改进 | 第72-75页 |
| 5.3 算法实现 | 第75-80页 |
| 5.4 测试数据与仿真环境 | 第80-81页 |
| 5.5 算法仿真分析 | 第81-84页 |
| 5.6 本章总结 | 第84-85页 |
| 第六章 总结与展望 | 第85-86页 |
| 6.1 全文总结 | 第85页 |
| 6.2 展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 攻读硕士学位期间取得的成果 | 第90-91页 |
