海量网络信息实时抽取引擎设计与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 分布式实时流计算技术研究现状 | 第13-14页 |
| 1.2.2 分布式网络爬虫研究现状 | 第14-15页 |
| 1.3 论文主要内容 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第二章 关键技术基础 | 第17-26页 |
| 2.1 分布式实时流处理框架Storm | 第17-21页 |
| 2.1.1 Storm组件 | 第18-19页 |
| 2.1.2 Storm运行机制 | 第19页 |
| 2.1.3 Storm计算模型 | 第19-21页 |
| 2.2 网络爬虫原理 | 第21-25页 |
| 2.2.1 网络爬虫系统的基本结构 | 第21-23页 |
| 2.2.2 网络爬虫系统的工作原理 | 第23-24页 |
| 2.2.3 分布式网络爬虫 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 海量网络信息实时抽取引擎分析与设计 | 第26-42页 |
| 3.1 需求分析 | 第26-27页 |
| 3.2 关键技术分析 | 第27-31页 |
| 3.2.1 URL消重技术 | 第27-29页 |
| 3.2.2 实时爬虫策略 | 第29页 |
| 3.2.3 页面爬行策略 | 第29-30页 |
| 3.2.4 爬虫工作策略 | 第30-31页 |
| 3.3 海量网络信息实时抽取引擎系统布局 | 第31-33页 |
| 3.3.1 海量网络信息实时抽取引擎系统架构 | 第31-32页 |
| 3.3.2 海量网络信息实时抽取引擎模块划分 | 第32-33页 |
| 3.4 海量网络信息实时抽取引擎结构设计 | 第33-37页 |
| 3.4.1 海量网络信息实时抽取引擎物理框架设计 | 第33-34页 |
| 3.4.2 海量网络信息实时抽取引擎逻辑框架设计 | 第34-35页 |
| 3.4.3 海量网络信息实时抽取引擎工作流程设计 | 第35-37页 |
| 3.5 URL去重策略改进方案 | 第37-39页 |
| 3.6 实时爬虫策略改进方案 | 第39-41页 |
| 3.6.1 实时爬取更新网页策略 | 第39-40页 |
| 3.6.2 实时爬取新建网页策略 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 海量网络信息实时抽取引擎详细设计与实现 | 第42-58页 |
| 4.1 存储结构的设计与实现 | 第42-44页 |
| 4.1.1 HDFS数据模型设计 | 第42-43页 |
| 4.1.2 MySQL数据模型设计 | 第43-44页 |
| 4.2 海量网络信息实时抽取引擎总体设计结构 | 第44-45页 |
| 4.3 海量网络信息实时抽取引擎功能模块的实现 | 第45-56页 |
| 4.3.1 可视化配置模块 | 第45-46页 |
| 4.3.2 拓扑建立模块 | 第46页 |
| 4.3.3 URL获取模块 | 第46-47页 |
| 4.3.4 URL分割模块 | 第47-48页 |
| 4.3.5 网页获取模块 | 第48-50页 |
| 4.3.6 网页解析模块 | 第50-52页 |
| 4.3.7 内容处理模块 | 第52-54页 |
| 4.3.8 多维布隆过滤器 | 第54-55页 |
| 4.3.9 内容存储模块 | 第55-56页 |
| 4.3.10 网页下次访问时间计算模块 | 第56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 海量网络信息实时抽取引擎测试分析与评价 | 第58-68页 |
| 5.1 测试环境 | 第58-60页 |
| 5.1.1 开发环境 | 第58页 |
| 5.1.2 运行环境 | 第58-59页 |
| 5.1.3 Storm集群搭建配置 | 第59-60页 |
| 5.2 海量网络信息实时抽取引擎测试方案 | 第60-61页 |
| 5.2.1 功能测试方案 | 第60页 |
| 5.2.2 性能测试方案 | 第60-61页 |
| 5.2.3 扩展性测试方案 | 第61页 |
| 5.2.4 多维布隆过滤器测试方案 | 第61页 |
| 5.2.5 基于时间的实时爬虫策略测试方案 | 第61页 |
| 5.3 测试结果分析 | 第61-67页 |
| 5.3.1 功能测试结果 | 第62-63页 |
| 5.3.2 性能测试结果 | 第63页 |
| 5.3.3 可扩展性测试结果 | 第63-64页 |
| 5.3.4 多维布隆过滤器测试结果 | 第64-66页 |
| 5.3.5 基于时间的实时爬虫策略测试结果 | 第66-67页 |
| 5.4 本章小节 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 论文总结 | 第68-69页 |
| 6.2 未来展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
