[发明专利]网站内容信息提供方法、系统及装置

说明书

技术领域

本发明涉及数据业务领域，尤指一种网站内容信息提供方法、系统及装置。

背景技术

互联网数据中心(Internet Data Center，IDC)可以实现引入网站内容，为用户提供服务。IDC可以直接或间接通过内容分发网络(Content Delivery Network，CDN)为用户提供网站内容服务。

目前，IDC引入网站内容源时通常为非全量方式，只引入网站部分频道或部分内容，IDC对托管网站内容信息的获取、更新和管理通常采用的是如下方式，一是由网站资源提供方手动申报，从而掌握引入的网站资源信息；二是由IDC管理员手动获取并配置引入的网站资源信息。

上述IDC引入网站内容的方式中，方式一高度依赖内容提供方的主动操作，无法保证网站内容索引的准确性、及时性和精度要求；方式二需要耗费大量的IDC管理人工成本，且效率底下，无法保证引入内容索引的及时更新。也就是说，现阶段对IDC网站内容引入的控制仅实现了设备级的控制，内容级的控制比较粗放，很难以较低的成本准确、及时的获取IDC引入网站的内容索引信息，为IDC内容的精确管理造成一定困难。

现有的IDC内容引入和控制机制，用于CDN网络时，由于CDN网络中除了主要面向IDC引入的网站内容服务之外，还存在缓存热点网站内容的缓存控制(WebCache)系统，CDN资源调度中心会统一协调用户对IDC引入的和WebCache系统缓存的网站内容的访问调度，以便用户合理访问IDC和WebCache系统引入的网站内容。

一般情况下，由于IDC直接面向内容提供方引入网站内容，其引入的网站内容相对于WebCache系统缓存的网站内容更新应该更及时，因此，一般希望优先为用户调度IDC引入的网站内容，但CDN网络中还存在WebCache系统，很可能存在用户请求访问的内容在已被引入IDC时却被调度至WebCache系统，极大浪费了IDC系统资源与WebCache缓存资源，为了避免冲突，需要详细掌握IDC引入的网站内容信息。

在现有的IDC内容引入和控制机制下，IDC引入的网站内容信息主要依靠提供方或IDC管理员手动更新，更新速度慢，操作复杂，准确性低，实时性较差。IDC网站内容源更新后，CDN总线系统无法及时获知IDC内容的变更情况，因此，用户访问时就有可能出现IDC引入的网站内容和WebCache缓存的网站内容的访问冲突，CDN总线无法获知应该优先为用户调度IDC引入网站资源还是WebCache缓存的网站资源。

发明内容

本发明实施例提供一种网站内容信息提供方法、系统及装置，用以解决现有技术中存在无法准确获知IDC引入的网站内容，导致无法精确调度用户的内容访问请求，浪费系统资源的问题。

一种网站内容信息提供方法，包括：

根据获得的引入网站的初始链接信息进行爬行搜索，获取到所述引入网站包括的链接信息，并获取所述链接信息的链接对象及其属性信息；

根据获取的所述链接信息的链接对象及其属性信息，建立所述链接信息对应的链接对象索引；

根据各所述链接信息的链接对象索引之间的关联关系，建立各引入网站的网站资源视图；所述网站资源视图中包括按设定规则排列的各引入网站的链接信息对应的链接对象索引；

根据建立的网站资源视图向网站信息请求方提供网站内容信息。

一种网站内容信息提供装置，包括：

搜索模块，用于根据获得的引入网站的初始链接信息进行爬行搜索，获取到所述引入网站包括的链接信息，并获取所述链接信息的链接对象及其属性信息；

索引模块，用于根据获取的链接对象及其属性信息，建立所述链接信息对应的链接对象索引；

视图资源生成模块，用于根据各所述链接信息的链接对象索引之间的关联关系，建立各引入网站的网站资源视图；所述网站资源视图中包括按设定规则排列的各引入网站的链接信息对应的链接对象索引；

接入检索模块，用于根据建立的网站资源视图向网站信息请求方提供网站内容信息。

一种网站内容信息提供系统，包括上述的网站内容信息提供装置和至少一个网站信息请求设备。

本发明有益效果如下：