| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·背景 | 第10-12页 |
| ·研究工作 | 第12-13页 |
| ·文章组织结构 | 第13-15页 |
| 第二章 相关技术研究 | 第15-37页 |
| ·云计算 | 第15-20页 |
| ·云计算体系结构 | 第16-17页 |
| ·计算服务层次 | 第17-18页 |
| ·云计算技术层次 | 第18-19页 |
| ·典型云计算平台 | 第19-20页 |
| ·HADOOP分布式平台结构 | 第20-31页 |
| ·HADOOP分布式文件系统 | 第21-25页 |
| ·MAPREDUCE分布式计算 | 第25-30页 |
| ·HADOOP的硬件布局 | 第30-31页 |
| ·网络爬虫原理 | 第31-37页 |
| ·搜索引擎基本技术 | 第31-32页 |
| ·网络爬虫基本原理 | 第32-33页 |
| ·分布式网络爬虫NUTCH | 第33-37页 |
| 第三章 分布式爬虫的设计方案 | 第37-60页 |
| ·系统布局 | 第37-39页 |
| ·分布式平台的系统架构 | 第37-38页 |
| ·分布式搜索引擎的模块划分 | 第38-39页 |
| ·网络爬虫采集原理 | 第39-45页 |
| ·ROBOTS EXCLUSION PROTOCOL | 第41-42页 |
| ·网页抓取 | 第42-43页 |
| ·文档解析 | 第43-44页 |
| ·网页消重 | 第44-45页 |
| ·爬虫的基本结构设计 | 第45-51页 |
| ·爬虫的基本流程设计 | 第45-47页 |
| ·爬虫的框架设计 | 第47-48页 |
| ·爬虫的MAPREDUCE设计 | 第48-51页 |
| ·爬虫模块的分布式改造 | 第51-57页 |
| ·INJECT模块 | 第51-53页 |
| ·GENERATE模块 | 第53-55页 |
| ·FETCH模块 | 第55-56页 |
| ·UPDATE模块 | 第56-57页 |
| ·分布式爬虫的功能完善 | 第57-60页 |
| 第四章 分布式爬虫的具体实现 | 第60-72页 |
| ·总数据结构的设计 | 第60-61页 |
| ·数据格式信息 | 第61-64页 |
| ·URL状态信息 | 第61-62页 |
| ·原始网页库 | 第62页 |
| ·未抓取URL库 | 第62-63页 |
| ·周期更新URL库 | 第63页 |
| ·超时URL库 | 第63页 |
| ·解析网页库 | 第63-64页 |
| ·各分模块数据结构的设计 | 第64-72页 |
| ·主类:CRAWL2和RECRAWL2 | 第65-66页 |
| ·流程重组相关类:FROMFETCHCRAWL2、FROMUPDATECRAWL2、 | 第66页 |
| ·更新抓取初始化类:UPDATECRAWLDBINIT | 第66-67页 |
| ·功能类 | 第67-69页 |
| ·辅助功能类 | 第69-72页 |
| 第五章 系统相关测试 | 第72-84页 |
| ·软件和硬件环境 | 第72-75页 |
| ·硬件/软件环境 | 第72页 |
| ·软件环境搭建 | 第72-73页 |
| ·可调参数设置 | 第73-74页 |
| ·系统查看命令 | 第74-75页 |
| ·系统测试 | 第75-76页 |
| ·功能测试 | 第75页 |
| ·可扩展性测试 | 第75-76页 |
| ·性能测试 | 第76页 |
| ·测试结果分析 | 第76-81页 |
| ·测试数据 | 第77-79页 |
| ·测试结果分析 | 第79-81页 |
| ·测试总结 | 第81-84页 |
| 第六章 总结与展望 | 第84-86页 |
| ·工作总结 | 第84页 |
| ·下一步的研究工作 | 第84-86页 |
| 参考文献 | 第86-88页 |
| 术语缩略语 | 第88-89页 |
| 致谢 | 第89-90页 |
| 作者攻读硕士学位期间发表的学术论文目录 | 第90页 |
