| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究和综述 | 第9-13页 |
| 1.2.1 网络爬虫 | 第9-10页 |
| 1.2.2 负载均衡的实现机制 | 第10页 |
| 1.2.3 负载均衡的实现技术 | 第10-12页 |
| 1.2.4 存在的问题 | 第12-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 本文的结构安排 | 第13-15页 |
| 第2章 分布式爬虫系统的相关技术 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 分布式系统 | 第15-17页 |
| 2.2.1 分布式系统的优点 | 第15-16页 |
| 2.2.2 分布式系统的缺点 | 第16页 |
| 2.2.3 分布式系统的任务调度 | 第16-17页 |
| 2.3 网络爬虫 | 第17-19页 |
| 2.3.1 通用Web爬虫 | 第17-18页 |
| 2.3.2 聚焦Web爬虫 | 第18-19页 |
| 2.4 爬行策略 | 第19-21页 |
| 2.4.1 广度优先策略 | 第20页 |
| 2.4.2 深度优先策略 | 第20-21页 |
| 2.4.3 最佳优先策略 | 第21页 |
| 2.5 布隆过滤器 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 基于在线反馈的站点规模动态预测算法 | 第23-37页 |
| 3.1 引言 | 第23页 |
| 3.2 站点规模 | 第23-24页 |
| 3.3 站点增长比 | 第24-27页 |
| 3.4 在线反馈信息 | 第27-28页 |
| 3.5 站点规模预测模型训练 | 第28-33页 |
| 3.5.1 损失函数 | 第28页 |
| 3.5.2 模型的参数训练 | 第28-31页 |
| 3.5.3 训练数据及方法 | 第31-33页 |
| 3.6 实验及结果分析 | 第33-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 基于站点规模预测的分布式爬虫动态负载均衡方法 | 第37-50页 |
| 4.1 引言 | 第37页 |
| 4.2 动态负载均衡算法的权衡因素 | 第37-38页 |
| 4.2.1 任务负荷的评估 | 第37页 |
| 4.2.2 任务迁移的代价 | 第37页 |
| 4.2.3 系统的鲁棒性和可扩展性 | 第37-38页 |
| 4.3 爬行器负荷当量的计算 | 第38-39页 |
| 4.4 负载均衡的衡量——负载系数 | 第39-40页 |
| 4.5 任务调度的策略 | 第40-41页 |
| 4.6 通信开销问题 | 第41-42页 |
| 4.7 对比实验及结果分析 | 第42-49页 |
| 4.7.1 实验环境 | 第42页 |
| 4.7.2 实验结果及分析 | 第42-49页 |
| 4.8 本章小结 | 第49-50页 |
| 第5章 分布式爬虫系统设计与实现 | 第50-56页 |
| 5.1 分布式爬虫的整体架构 | 第50-51页 |
| 5.2 分布式爬虫系统模块功能设计与实现 | 第51-55页 |
| 5.2.1 爬行模块 | 第51-52页 |
| 5.2.2 服务器模块 | 第52-53页 |
| 5.2.3 负载均衡模块 | 第53-54页 |
| 5.2.4 系统的鲁棒性和扩展性模块 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |