原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第30卷增刊2 计算机应用 Vo1．30Supp1．2
2010年 l2月 JournalofComputerApplications DeC．20lO
文章编号：1001—9081(2010)s2—0316—03
基于中央控制节点的分布式网络蜘蛛的设计与实现
王 颖 ，钟 勇 ，朱颢东 ，
(1．中国科学院成都计算机应用研究所，成都610041；2．中国科学院研究生院，北京 100039)
(wyylling@gmail．com)
摘 要：针对互联网日益增长的网页数量，提出了一种采用分布式技术设计实现的分布式网络蜘蛛 (DWS)。该
系统作为搜索引擎的前端，快速有效地下载网页，以获得整个Internet更加完整的映像。DWS设置中央控制节点来协
调各个webSpider的行为，以宽度优先搜素获得高质量的网页，通过对域名系统(DNS)缓存来提高访问WebServer的
速度，增加并行线程数量增加下载速度，并能动态地加入WebSpider节点或子中央控制节点，具有很强的灵活性和扩
张能力。
关键词：分布式网络蜘蛛；网页质量；搜索引擎；分布式计算
中图分类号：TP31l 文献标志码：A
Design andimplementation of
distributedW eb spiderbasedoncentralcontrolnode
WANG Ying一，ZHONG Yong一，ZHU Hao—dong’
(1．ChengduInstituteofComputerApplication，ChineseAcademyofSciences，ChengduSichuan610041，China；
2．GraduateSchoolofChineseAcademyofSciences，Beng100039，China)
Abstract：ConcerningthegrowthofWebpageseveryday，aWebspidersystemnamedDistributedWebSpider(DWS)
basedondistributedtechnologywasproposed．Itactedasfront—endofsearchengineandquicklyandefficientlydownloaded
WebpagestOgetmorecompleteimageoftheIntemet．TheDWSsetupcentral controlnodetOcoordinateallofWebspider
actions，usedbreadth—firstsearchcrawlingpolicytogethigh—qualitypages，cachedDomainNameSystem (DNS)togather
speed， increased thread number to increase download speed， added Web Spider nodes or sub—central—control—nod es
dynamically，andhadstrongflexibilityandexpna sioncapability．
Keywords：DistributedWebSpider(DWS)；pagequahyt；searchengine；distributedcomputing
流 ，这就限制了每个 Spider对整个 Web的整体认识，在URL
0 引言
分区有重合的时候会导致判重操作过多，网络开销增加等。
随着 Inter
文档评论（0）