位置:成果数据库 > 期刊 > 期刊详情页
网络机器人多线程爬行的研究与实现
  • ISSN号:1000-386X
  • 期刊名称:《计算机应用与软件》
  • 时间:0
  • 分类:TP242[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置] TU857[建筑科学]
  • 作者机构:[1]华东交通大学信息工程学院,江西南昌330013
  • 相关基金:江西省自然科学基金项目(0311046);江西省教育厅基金项目(赣教技字[2006]177号);华东交通大学校立科研基金(08XX05).
中文摘要:

多线程爬行是高效率网络机器人实现的关键。分析在单个计算机节点上网络机器人多线程爬行的关键流程,并借鉴硬件指令流水线的执行过程研究不同多线程并发调度策略下系统的性能特点。最后,给出实现网络机器人多线程爬行的关键数据结构、并发调度方法及URL消重策略。实验数据表明:有效地控制并发和有选择地消除重复URL可以提高网络机器人的爬行速度。

英文摘要:

Multi-thread crawling is the key in implementing a high efficient crawler.Core working flow of crawler's multi-thread crawling at a single computer node is analyzed in the paper.It focuses on the system performances in different multi-thread concurrent controlling policies with the reference of the execution process of hardware instruction pipelining.Finally,a key data structure for the implementation of crawler's multi-thread crawling,the concurrent controlling approach and the duplicated URLs elimination policy are given.The experimental data show that to effectively control the concurrent and to selectively eliminate the repeated URLs could accelerate the crawler's working speed.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机应用与软件》
  • 北大核心期刊(2011版)
  • 主管单位:上海科学院
  • 主办单位:上海市计算技术研究所 上海计算机软件技术开发中心
  • 主编:朱三元
  • 地址:上海市愚园路546号
  • 邮编:200040
  • 邮箱:cas@sict.stc.sh.cn
  • 电话:021-62254715 62520070-505
  • 国际标准刊号:ISSN:1000-386X
  • 国内统一刊号:ISSN:31-1260/TP
  • 邮发代号:4-379
  • 获奖情况:
  • 全国计算机类中文核心期刊
  • 国内外数据库收录:
  • 波兰哥白尼索引,美国剑桥科学文摘,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2011版),中国北大核心期刊(2000版)
  • 被引量:27463