- 1、本文档共10页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
A New Data Storage and Service Model of China Web.pdf
A New Data Storage and Service Model of China Web
InfoMall1
Hongfei Yan, Lianen Huang, Chong Chen and Zhengmao Xie
Computer Networks and Distributed Systems Laboratory,
Department of Computer Science and Technology, Peking University, P.R. China
{yhf, hle,cc,xzm}@
Abstract The Web consists of enormous pages which is easier vanishing than
traditional media such as newspaper, journals. To preserve the web resources,
we began the China Web archiving project, named Web InfoMall, from 2001.
The paper describes the data storage and service model of Web InfoMall 2.0 to
meet the goals of collecting the stuff broadly, storing them perennially, and
locating requests efficiently. Currently the Web InfoMall holds 0.7 billion
pages (10.6 terabyte) together with 5 terabyte of digital web resources other
than web pages, having the ability of collecting more than 1 million pages per
day, a storage capacity to hold more than 10 billion pages (about 150 terabyte),
and a scheme to manage large numbers of pages.
Keywords: web resources, Web InfoMall, distributed crawling,
Tianwang storage format, service model
Introduction
The Internet was introduced to China in 1994, and the first web sites emerged from
1995. From then on, the China Web got an unprecedented development. At the end of
2003, the registered sites amounted to 595,550 with .cn domain suffix
[CNNIC,2004]. During the nine years, the China Web enjoys exponential growth,
with the same rate to the whole Web. Tianwang[Tianwang,2004] crawled more than
60 million web pages up to the July of 2002, and 105 million pages in January of
2003. According to a quantitative ana
您可能关注的文档
- 2015年天津大学通信原理考研真题,复习经验,考研重点,考研参考书.pdf
- 2015年天津大学通信原理考研真题,考研流程,考研笔记,真题解析.pdf
- 2015年浙江大学研究生入学考试计算机学科专业基础考试大纲.pdf
- 2015年第一阶段CAD/CAM技术及应用答案.doc
- 2015年网络学历教育招生简章-吉大141015.doc
- 2015年计算机三级网络技术.pdf
- 2015考研天津大学814通信原理考研大纲考研真题解析参考书.pdf
- 2016年4月份计算机应用基础统考题库 网考计算机应用基础真题6.doc
- 2016年4月电大远程网络教育计算机应用基础统考题库真题1.doc
- 2016年4月计算机应用基础统考题库 网考计算机应用基础真题5.doc
- 第12课 大一统王朝的巩固 课件(20张ppt).pptx
- 第17课 君主立宪制的英国 课件.pptx
- 第6课 戊戌变法 课件(22张ppt).pptx
- 第三章 物态变化 第2节_熔化和凝固_课件 (共46张ppt) 人教版(2024) 八年级上册.pptx
- 第三章 物态变化 第5节_跨学科实践:探索厨房中的物态变化问题_课件 (共28张ppt) 人教版(2024) 八年级上册.pptx
- 2025年山东省中考英语一轮复习外研版九年级上册.教材核心考点精讲精练(61页,含答案).docx
- 2025年山东省中考英语一轮复习(鲁教版)教材核心讲练六年级上册(24页,含答案).docx
- 第12课近代战争与西方文化的扩张 课件(共48张ppt)1.pptx
- 第11课 西汉建立和“文景之治” 课件(共17张ppt)1.pptx
- 唱歌 跳绳课件(共15张ppt内嵌音频)人音版(简谱)(2024)音乐一年级上册第三单元 快乐的一天1.pptx
文档评论(0)