[发明专利]一种海量URL的数据提取方法及系统在审
| 申请号： | 201610970427.3 | 申请日： | 2016-10-28 |
| 公开（公告）号： | CN106570153A | 公开（公告）日： | 2017-04-19 |
| 发明（设计）人： | 欧阳涛 | 申请（专利权）人： | 上海斐讯数据通信技术有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海硕力知识产权代理事务所31251 | 代理人： | 郭桂峰 |
| 地址： | 201616 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种海量URL的数据提取方法，包括以下步骤S10、利用分布式web服务器框架，分别将各文本数据收集到本地文件池；S20、将所述本地文件池内累加得到的总文本数据上传至hadoop的云端分布式文件系统hdfs1；S40、利用hadoop的数据仓库工具hive从所述云端分布式文件系统hdfs1内总文本数据中分布式提取URL的关键字。本发明大数据应用场景下，将各文本数据汇聚到本地文件池中后，将总文本数据上传到云端分布式文件系统中，再利用hive进行分布式计算来进行分布式提取；具有效率高且消耗资源低等优点。 | ||
| 搜索关键词： | 一种 海量 url 数据 提取 方法 系统 | ||
【主权项】：
一种海量URL的数据提取方法，其特征在于，包括以下步骤：S10、利用分布式web服务器框架，分别将各文本数据收集到本地文件池；S20、将所述本地文件池内累加得到的总文本数据上传至hadoop的云端分布式文件系统hdfs1；S40、利用hadoop的数据仓库工具hive从所述云端分布式文件系统hdfs1内总文本数据中分布式提取URL的关键字。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海斐讯数据通信技术有限公司，未经上海斐讯数据通信技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610970427.3/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
