[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

专利信息
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: 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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code