发明名称 |
分布式网页下载方法和系统 |
摘要 |
本发明提供了一种分布式网页下载方法和系统,所述方法包括:网络爬虫向任务调度服务单元发送网页下载请求;所述任务调度服务单元接收并将上述网页下载请求保存至第一消息队列;上网客户端从所述任务调度服务单元的第一消息队列获取一个网页下载请求,下载相应的网页数据,保存至所述任务调度服务单元的第二消息队列;所述任务调度服务单元将所述第二消息队列中的网页数据返回至请求网页下载的相应网络爬虫。本发明基于双消息队列的点对点分布式网页下载方式,可利用分散在各处的可上网机器来抓取网页,准实时响应网页下载请求,可有效的突破网站对并发下载请求的限制。 |
申请公布号 |
CN103873597A |
申请公布日期 |
2014.06.18 |
申请号 |
CN201410149901.7 |
申请日期 |
2014.04.15 |
申请人 |
厦门市美亚柏科信息股份有限公司 |
发明人 |
何培林;汤伟宾;陈晨;章正道;林胜通 |
分类号 |
H04L29/08(2006.01)I;G06F9/46(2006.01)I;G06F17/30(2006.01)I |
主分类号 |
H04L29/08(2006.01)I |
代理机构 |
北京恒都律师事务所 11395 |
代理人 |
李向东 |
主权项 |
一种分布式网页下载方法,其特征在于,执行所述方法的系统包括任务调度服务单元、2个以上的网络爬虫以及2个以上分布在不同地理位置具有不同IP地址的上网客户端,所述方法包括:所述网络爬虫向任务调度服务单元发送网页下载请求,所述下载请求参数包括所述网页的URL地址;所述任务调度服务单元接收并将上述网页下载请求保存至第一消息队列;所述上网客户端从所述任务调度服务单元的第一消息队列获取一个网页下载请求,根据所述URL地址下载相应的网页数据,保存至所述任务调度服务单元的第二消息队列;所述任务调度服务单元将所述第二消息队列中的网页数据返回至请求网页下载的相应网络爬虫。 |
地址 |
361008 福建省厦门市软件园二期观日路12号美亚柏科大厦 |