基于Hadoop的分布式主题网络爬虫研究 |
| |
引用本文: | 李应.基于Hadoop的分布式主题网络爬虫研究[J].教育技术导刊,2016,15(3):24-26. |
| |
作者姓名: | 李应 |
| |
作者单位: | 西安工程大学 计算机科学学院,陕西 西安 710048 |
| |
摘 要: | 主题网络爬虫采用集中式体系结构,具有对单台服务器性能要求高、可扩展性差等缺点。提出了一种基于Hadoop的分布式主题网络爬虫架构,通过将主题网络爬虫部署在分布式集群中的不同机器,运用MapReduce编程模型对数据进行抓取分析,使不同机器共同完成对指定任务的抓取工作。实验证明,采用分布式架构,通过动态调节分布式集群中的节点个数,能够明显改善主题网络爬虫的抓取效果。
|
关 键 词: | Hadoop MapReduce 分布式架构 主题网络爬虫 |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
|