基于云平台的分布式高性能网络爬虫的研究与设计.PDFVIP

基于云平台的分布式高性能网络爬虫的研究与设计.PDF

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于云平台的分布式高性能网络爬虫的研究与设计

运营技术广角 基于云平台的分布式高性能网络爬虫的研究与设计 石恩名,肖晓军,卢宇 (广州优亿信息科技有限公司,广东广州 510630 ) 摘 要:随着大数据时代的到来,数据成为最宝贵的资源,而网络爬虫技术作为外部数据采集的重要手段, 已然成为数据分析的标配。介绍了一种高性能、灵活和便捷的基于云平台的爬虫架构设计和实现。从爬虫的 整体架构、分布式设计以及各模块的设计等角度进行了详细的阐述。爬虫各模块用 Docker 封装,Kubernetes 做集群的资源调度和管理,在性能优化上采用了MD5 去重树算法、DNS 优化和异步I/O 等多种策略组合的形 式。实验表明,对比未优化的方案,爬虫在性能上具有较明显的优势。 关键词:分布式系统架构;网络爬虫;Docker ;高性能 中图分类号:TP393 文献标识码:A doi: 10.11959/j.issn.1000−0801.2017234 Research and design of distributed high-performance network reptiles based on cloud platform SHI Enming, XIAO Xiaojun, LU Yu Guangzhou Useease Information Technology Co., Ltd., Guangzhou 510630, China Abstract: With the arrival of large data age, data has become the most valuable resource. And web crawler technology as an important means of external data collection, has become a standard tool for data analysis. A high-performance, conve- nient cloud-based crawler architecture design was introduced. The overall structure of the reptile to the distributed design and the design of the sub-module was described in detail. Each module of the crawler was encapsulated in Docker, and Ku- bernetes was used as the resource scheduling and management of the cluster. In the performance of optimization, the MD5 reset tree algorithm, DNS optimization and asynchronous I/O were adopted. Experimental results show that the performance of crawler has obvious advantages compared with the UN optimized scheme. Key words: distributed system architecture, web crawler, Docker, high-performance 据采集手段,既是各类应用的外部数据来源(如 1 引言 内容聚合类应用:今日头条、百度新闻等),也是 大数据时代,数据是最丰富也是最宝贵的, 有哪些信誉好的足球投注网站引擎的重要组成部分。特别随着数据分析技 网络信息量快速增长,面对这样海量的

文档评论(0)

2105194781 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档