发明名称 | 一种海量URL的数据提取方法及系统 | ||
摘要 | 本发明公开了一种海量URL的数据提取方法,包括以下步骤:S10、利用分布式web服务器框架,分别将各文本数据收集到本地文件池;S20、将所述本地文件池内累加得到的总文本数据上传至hadoop的云端分布式文件系统hdfs1;S40、利用hadoop的数据仓库工具hive从所述云端分布式文件系统hdfs1内总文本数据中分布式提取URL的关键字。本发明大数据应用场景下,将各文本数据汇聚到本地文件池中后,将总文本数据上传到云端分布式文件系统中,再利用hive进行分布式计算来进行分布式提取;具有效率高且消耗资源低等优点。 | ||
申请公布号 | CN106570153A | 申请公布日期 | 2017.04.19 |
申请号 | CN201610970427.3 | 申请日期 | 2016.10.28 |
申请人 | 上海斐讯数据通信技术有限公司 | 发明人 | 欧阳涛 |
分类号 | G06F17/30(2006.01)I | 主分类号 | G06F17/30(2006.01)I |
代理机构 | 上海硕力知识产权代理事务所 31251 | 代理人 | 郭桂峰 |
主权项 | 一种海量URL的数据提取方法,其特征在于,包括以下步骤:S10、利用分布式web服务器框架,分别将各文本数据收集到本地文件池;S20、将所述本地文件池内累加得到的总文本数据上传至hadoop的云端分布式文件系统hdfs1;S40、利用hadoop的数据仓库工具hive从所述云端分布式文件系统hdfs1内总文本数据中分布式提取URL的关键字。 | ||
地址 | 201616 上海市松江区思贤路3666号 |