采集平臺方案_第1頁
已閱讀1頁，還剩1頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、spider cloud方案,毛凌志13426444511@126.com2015.4.26,,cloud,Spider Cloud架構(gòu)圖,,schedule serverexpose api,task serverexpose api,crawler node(自建&外部加入后期使用zookeeper節(jié)點管理）,Data collect serverexpose api(早期redis/mysql后期meta

2、Q/hbase),Web化編編輯數(shù)據(jù)存儲及api呈現(xiàn)腳本,web爬蟲節(jié)點管理任務(wù)管理調(diào)度管理數(shù)據(jù)管理,,,,,,,,web,每一種常見的采集流程提取出封裝代碼，模塊化基于headless qtwebkit的實現(xiàn)berserkJS、phantomjs、casperjs作為ajax render engine,此種方式速度較慢，但開發(fā)效率高，需要有較大量的爬蟲節(jié)點作為支撐另一種基于傳統(tǒng)的分析硬編碼使用groovy作為glue

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論