[发明专利]基于分布式数据库的网页URL去重方法在审
| 申请号： | 201610277708.0 | 申请日： | 2016-04-27 |
| 公开（公告）号： | CN105956068A | 公开（公告）日： | 2016-09-21 |
| 发明（设计）人： | 陈丹;黄三伟 | 申请（专利权）人： | 湖南蚁坊软件有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410013 湖南省长沙市高*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及分布式数据库技术领域，特别是一种基于分布式数据库的网页URL去重方法，包括以下步骤，步骤S101：获取待爬取URL，由分布式爬虫获取网页待爬取的网页URL；步骤S102：计算URL的hash值；步骤S103：查询数据库，分布式爬虫将各自采集库中的URL压缩后统一发送到分布式数据库做去重处理；步骤S104：反馈结果，将数据查询结果状态返回；步骤S105：数据采集，爬虫节点根据返回结果状态确定该网页是否可以爬取。采用上述方法后，本发明的基于分布式数据库的网页URL去重方法，很好地解决了海量URL去重过程中的内存问题、单点问题，同时保证了高查询效率与低碰撞率。 | ||
| 搜索关键词： | 基于 分布式 数据库 网页 url 方法 | ||
【主权项】：
一种基于分布式数据库的网页URL去重方法，其特征在于，包括以下步骤，步骤S101：获取待爬取URL，由分布式爬虫获取网页待爬取的网页URL；步骤S102：计算URL的hash值；步骤S103：查询数据库，分布式爬虫将各自采集库中的URL压缩后统一发送到分布式数据库做去重处理；步骤S104：反馈结果，将数据查询结果状态返回；步骤S105：数据采集，爬虫节点根据返回结果状态确定该网页是否可以爬取。
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湖南蚁坊软件有限公司，未经湖南蚁坊软件有限公司许可，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/201610277708.0/，转载请声明来源钻瓜专利网。
- 上一篇：基于IEC61968消息的数据质量检测方法
- 下一篇：搜索方法和装置
