[发明专利]面向海量数据采集的分布式网络爬虫性能优化系统在审
申请号: | 201911110921.2 | 申请日: | 2019-11-14 |
公开(公告)号: | CN110866166A | 公开(公告)日: | 2020-03-06 |
发明(设计)人: | 王维纲;张郭秋晨;张凯云;吴志成;吴艳林;纪纲;孙鹏;陈卓 | 申请(专利权)人: | 北京京航计算通讯研究所 |
主分类号: | G06F16/951 | 分类号: | G06F16/951;G06F16/955 |
代理公司: | 中国兵器工业集团公司专利中心 11011 | 代理人: | 周恒 |
地址: | 100074 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明属于软件工程技术领域,具体涉及一种面向海量数据采集的分布式网络爬虫性能优化系统。所述系统中,初始化模块用于新建一个去重字符串和一个垃圾链接特征字符串;主节点爬行器用于读取到初始URL地址,爬取模块爬取初始URL地址,生成URL任务队列;爬取模块用于根据URL任务队列进行网页爬取,完成爬取工作。与现有技术相比较,本发明突破了分布式网络爬虫爬取性能瓶颈,爬取性能提高50%以上;提高了URL任务队列的去重效率,满足海量数据采集的效率要求;优化了URL任务队列的存储空间,极大地节省了服务器内存资源;增加了垃圾链接过滤环节,不仅节约服务器内存资源,而且显著提高爬虫效率。 | ||
搜索关键词: | 面向 海量 数据 采集 分布式 网络 爬虫 性能 优化 系统 | ||
【主权项】:
暂无信息
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北京京航计算通讯研究所,未经北京京航计算通讯研究所许可,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/201911110921.2/,转载请声明来源钻瓜专利网。
- 上一篇:一种防水的接近开关
- 下一篇:一种控制柜内保护装置
- 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