[发明专利]一种用于分布式爬虫网址去重的方法在审
| 申请号： | 202010303523.9 | 申请日： | 2020-04-16 |
| 公开（公告）号： | CN111522847A | 公开（公告）日： | 2020-08-11 |
| 发明（设计）人： | 徐利东;远贵良 | 申请（专利权）人： | 山东贝赛信息科技有限公司 |
| 主分类号： | G06F16/2455 | 分类号： | G06F16/2455;G06F16/2458;G06F16/951;G06F16/955 |
| 代理公司： | 济南瑞宸知识产权代理有限公司 37268 | 代理人： | 王萍 |
| 地址： | 250000 山东省济南市经十路7000号*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于分布式爬虫网址去重的方法，分布式爬虫网址去重的步骤如下：采集URL集合、初次计算、二次计算、判断数据是否存在一、判断数据是否存在二、完成采集。本发明取得如下技术效果：解决了大规模网页地址去重的瓶颈问题，该方法可以自由拓展分布式内存数据库的数量，满足任何数据规模的去重需求，由于基于内存数据库，所以去重效率非常高，由于是分布式，所有不存在内存溢出或者I/O超载的情况。 | ||
| 搜索关键词： | 一种 用于 分布式 爬虫 网址 方法 | ||
【主权项】：
暂无信息
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山东贝赛信息科技有限公司，未经山东贝赛信息科技有限公司许可，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/202010303523.9/，转载请声明来源钻瓜专利网。
