一種用于分布式爬蟲網(wǎng)址去重的方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202010303523.9 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN111522847A | 公開（公告）日 | 2020-08-11 |
| 申請(qǐng)公布號(hào) | CN111522847A | 申請(qǐng)公布日 | 2020-08-11 |
| 分類號(hào) | G06F16/2455(2019.01)I | 分類 | - |
| 發(fā)明人 | 徐利東;遠(yuǎn)貴良 | 申請(qǐng)（專利權(quán)）人 | 山東貝賽信息科技有限公司 |
| 代理機(jī)構(gòu) | 濟(jì)南瑞宸知識(shí)產(chǎn)權(quán)代理有限公司 | 代理人 | 山東貝賽信息科技有限公司 |
| 地址 | 250000山東省濟(jì)南市經(jīng)十路7000號(hào)漢峪金谷金融商務(wù)中心A4-(3)辦公樓34層3401室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開了一種用于分布式爬蟲網(wǎng)址去重的方法，分布式爬蟲網(wǎng)址去重的步驟如下：采集URL集合、初次計(jì)算、二次計(jì)算、判斷數(shù)據(jù)是否存在一、判斷數(shù)據(jù)是否存在二、完成采集。本發(fā)明取得如下技術(shù)效果：解決了大規(guī)模網(wǎng)頁地址去重的瓶頸問題，該方法可以自由拓展分布式內(nèi)存數(shù)據(jù)庫(kù)的數(shù)量，滿足任何數(shù)據(jù)規(guī)模的去重需求，由于基于內(nèi)存數(shù)據(jù)庫(kù)，所以去重效率非常高，由于是分布式，所有不存在內(nèi)存溢出或者I/O超載的情況。?? |
