WO2019061385A1 - 分布式爬虫任务分配方法及系统 - Google Patents

分布式爬虫任务分配方法及系统 Download PDF

Info

Publication number
WO2019061385A1
WO2019061385A1 PCT/CN2017/104725 CN2017104725W WO2019061385A1 WO 2019061385 A1 WO2019061385 A1 WO 2019061385A1 CN 2017104725 W CN2017104725 W CN 2017104725W WO 2019061385 A1 WO2019061385 A1 WO 2019061385A1
Authority
WO
WIPO (PCT)
Prior art keywords
task
crawler
load balancing
manager
task manager
Prior art date
Application number
PCT/CN2017/104725
Other languages
English (en)
French (fr)
Inventor
马岩
Original Assignee
麦格创科技（深圳）有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 麦格创科技（深圳）有限公司 filed Critical 麦格创科技（深圳）有限公司
Priority to PCT/CN2017/104725 priority Critical patent/WO2019061385A1/zh
Publication of WO2019061385A1 publication Critical patent/WO2019061385A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques

Definitions

  • the present invention relates to the field of data processing, and in particular, to a distributed crawler task allocation method and system.
  • Web crawlers also known as web spiders, web bots, more often referred to as web chasers in the FOAF community
  • Web crawlers are programs or scripts that automatically crawl web information in accordance with certain rules.
  • Other infrequently used names are ants, automatic indexes, simulators, or worms.
  • the web crawler is actually an application for crawling network information.
  • the existing web crawler grabs a large amount of data, and the task assignment is generally a split task, resulting in low data search efficiency.
  • the application provides a distributed crawler task allocation method. It solves the shortcomings of the prior art technical solutions.
  • a distributed crawler task assignment method comprising the following steps:
  • the task manager obtains the crawler task
  • the task manager obtains the distance from the device connected to the task manager and the number of crawler tasks;
  • the task manager assigns a crawler task to the device based on the distance and the number of crawler tasks.
  • the task manager allocates a crawler task to the device according to the distance and the number of crawler tasks, specifically:
  • the second device group allocates a crawler task by using a second load balancing algorithm, and the task threshold of the second load balancing algorithm is smaller than the task threshold of the first load balancing algorithm.
  • the method further includes:
  • the heartbeat message between the device and the task manager is detected. If the first heartbeat message of the first device is not received within the set time, the crawling task that is not completed by the first device is determined as the crawling task to be allocated.
  • a distributed crawler task distribution system comprising: a task manager and a device, the task manager being connected to the device;
  • a task manager configured to acquire the crawler task, obtain a distance between the device connected to the task manager, and a number of crawler tasks; assign a crawler task to the device according to the distance and the number of crawler tasks;
  • the device is configured to perform an assigned crawler task.
  • the task manager is further configured to determine, as the first device group, the device directly connected to the task manager, and allocate a crawler task to the first device group by using a first load balancing algorithm, and the task management server
  • the indirectly connected device is determined to be the second device group, and the second device group is configured to allocate the crawler task by using the second load balancing algorithm, and the task threshold of the second load balancing algorithm is smaller than the task threshold of the first load balancing algorithm.
  • the task manager is further configured to detect a heartbeat message between the device and the task manager, such as not receiving the first heartbeat message of the first device within the set time, and the first device is not completed.
  • the task is determined to be the crawler task to be assigned.
  • a task manager including: a processor, a wireless transceiver, a memory, and a bus, wherein the processor, the wireless transceiver, and the memory are connected by a bus.
  • the wireless transceiver is configured to acquire the crawler task, obtain a distance between the device connected to the task manager, and a number of crawler tasks;
  • the processor is configured to allocate a crawler task to the device according to the distance and the number of crawler tasks.
  • the processor is configured to determine, as a first device group, a device directly connected to the task manager, and allocate a crawling task to the first device group by using a first load balancing algorithm, and indirectly connect to the task management server.
  • the device is determined to be a second device group, and the second device group is configured to allocate a crawler task by using a second load balancing algorithm.
  • the task threshold of the second load balancing algorithm is smaller than the task threshold of the first load balancing algorithm.
  • the processor is configured to detect a heartbeat message between the device and the task manager, such as not receiving the first heartbeat message of the first device within the set time, and determining the unfinished crawling task of the first device. For the crawler task to be assigned.
  • a computer readable storage medium storing a computer program for electronic data exchange, wherein the computer program causes a computer to perform the method provided by the first aspect.
  • the technical solution provided by the invention distributes the crawling task according to the distance of the crawling task and the number of crawling tasks, thereby realizing the advantage that the task distribution is reasonable, thereby improving the efficiency.
  • FIG. 1 is a flowchart of a distributed crawler task allocation method according to a first preferred embodiment of the present invention
  • FIG. 2 is a structural diagram of a distributed crawler task distribution system according to a second preferred embodiment of the present invention.
  • FIG. 3 is a hardware structural diagram of a task manager according to a second preferred embodiment of the present invention.
  • FIG. 1 is a schematic diagram of a distributed crawler task allocation method according to a first preferred embodiment of the present invention. The method is as shown in FIG.
  • Step S101 The task manager acquires the crawler task.
  • Step S102 The task manager acquires the distance of the device connected to the task manager and the number of crawler tasks.
  • Step S103 The task manager allocates a crawler task to the device according to the distance and the number of crawler tasks.
  • the technical solution provided by the invention distributes the crawling task according to the distance of the crawling task and the number of crawling tasks, thereby realizing the advantage that the task distribution is reasonable, thereby improving the efficiency.
  • the implementation method of the foregoing step S103 may be specifically:
  • the second device group allocates a crawler task by using a second load balancing algorithm, and the task threshold of the second load balancing algorithm is smaller than the task threshold of the first load balancing algorithm.
  • the consideration is that for a directly connected device, that is, only one hop count, the distance is short, the delay between the networks is small, and communication failure with the task manager is not easy, and for such a device, it is determined to be the core.
  • the first device group adopts a load balancing algorithm with a large task threshold to implement task allocation.
  • the far-reaching device has a long hop count, a long distance, and a short delay between networks, which is prone to communication failure. , so the number of tasks assigned should be less.
  • the foregoing method may further include:
  • the heartbeat message between the device and the task manager is detected. If the first heartbeat message of the first device is not received within the set time, the crawling task that is not completed by the first device is determined as the crawling task to be allocated.
  • FIG. 2 is a distributed crawler implementation system according to a second preferred embodiment of the present invention.
  • the system as shown in FIG. 2, includes: a task manager 201 and a device 202, and the task manager and Device connection
  • a task manager configured to acquire the crawler task, obtain a distance between the device connected to the task manager, and a number of crawler tasks; assign a crawler task to the device according to the distance and the number of crawler tasks;
  • the device is configured to perform an assigned crawler task.
  • the task manager is further configured to determine, as the first device group, the device directly connected to the task manager, and allocate a crawler task to the first device group by using a first load balancing algorithm, and the task management server
  • the indirectly connected device is determined to be the second device group, and the second device group is configured to allocate the crawler task by using the second load balancing algorithm, and the task threshold of the second load balancing algorithm is smaller than the task threshold of the first load balancing algorithm.
  • the task manager is further configured to detect a heartbeat message between the device and the task manager, such as not receiving the first heartbeat message of the first device within the set time, and the first device is not completed.
  • the task is determined to be the crawler task to be assigned.
  • FIG. 3 is a task manager 30, including: a processor 301, a wireless transceiver 302, a memory 303, and a bus 304.
  • the wireless transceiver 302 is configured to send and receive data with and from an external device.
  • the number of processors 301 can be one or more.
  • processor 301, memory 302, and transceiver 303 may be connected by bus 304 or other means.
  • Server 30 can be used to perform the steps of FIG. For the meaning and examples of the terms involved in the embodiment, reference may be made to the corresponding embodiment of FIG. 1. I will not repeat them here.
  • the wireless transceiver 302 is configured to acquire the crawler task, obtain the distance of the device connected to the task manager, and the number of crawler tasks.
  • the program code is stored in the memory 303.
  • the processor 901 is configured to call the program code stored in the memory 903 for performing the following operations:
  • the processor 301 is configured to allocate a crawler task to the device according to the distance and the number of crawler tasks.
  • the processor 301 herein may be a processing component or a general term of multiple processing components.
  • the processing element can be a central processor (Central) Processing Unit, CPU), or a specific integrated circuit (Application Specific Integrated) Circuit, ASIC), or one or more integrated circuits configured to implement embodiments of the present application, such as one or more microprocessors (digital singnal Processor, DSP), or one or more Field Programmable Gate Arrays (FPGAs).
  • CPU central processor
  • ASIC Application Specific Integrated Circuit
  • DSP digital singnal Processor
  • FPGAs Field Programmable Gate Arrays
  • the memory 303 may be a storage device or a collective name of a plurality of storage elements, and is used to store executable program code or parameters, data, and the like required for the application running device to operate. And the memory 303 may include random access memory (RAM), and may also include non-volatile memory (non-volatile memory) Memory), such as disk storage, flash (Flash), etc.
  • RAM random access memory
  • non-volatile memory non-volatile memory
  • flash flash
  • Bus 304 can be an industry standard architecture (Industry Standard Architecture, ISA) bus, Peripheral Component (PCI) bus or extended industry standard architecture (Extended Industry Standard Architecture, EISA) bus, etc.
  • the bus can be divided into an address bus, a data bus, a control bus, and the like. For ease of representation, only one thick line is shown in Figure 3, but it does not mean that there is only one bus or one type of bus.
  • the terminal may further include input and output means connected to the bus 304 for connection to other parts such as the processor 301 via the bus.
  • the input/output device can provide an input interface for the operator, so that the operator can select the control item through the input interface, and can also be other interfaces through which other devices can be externally connected.
  • the program may be stored in a computer readable storage medium, and the storage medium may include: Flash drive, read-only memory (English: Read-Only Memory, referred to as: ROM), random accessor (English: Random Access Memory, referred to as: RAM), disk or CD.
  • ROM Read-Only Memory
  • RAM Random Access Memory

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

一种分布式爬虫任务分配方法，所述方法包括如下步骤：任务管理器获取该爬虫任务（101）；任务管理器获取与该任务管理器连接的设备的距离以及爬虫任务数量（102）；任务管理器依据该距离以及爬虫任务数量为该设备分配爬虫任务（103）。该方法具有效率高的优点。

Description

分布式爬虫任务分配方法及系统 技术领域
本发明涉及数据处理领域，尤其涉及一种分布式爬虫任务分配方法及系统。
 背景技术
网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。
网络爬虫实际是一种网络信息抓取的应用程序，现有的网络爬虫抓取数据量大，任务的分配一般为均分任务，导致数据搜索效率低。
 技术问题
本申请提供一种分布式爬虫任务分配方法。其解决现有技术的技术方案效率低的缺点。
 技术解决方案
一方面，提供一种分布式爬虫任务分配方法，所述方法包括如下步骤：
任务管理器获取该爬虫任务；
任务管理器获取与该任务管理器连接的设备的距离以及爬虫任务数量；
任务管理器依据该距离以及爬虫任务数量为该设备分配爬虫任务。
可选的，所述任务管理器依据该距离以及爬虫任务数量为该设备分配爬虫任务，具体包括：
将与任务管理器直接连接的设备确定为第一设备组，为第一设备组采用第一负载均衡的算法分配爬虫任务，将与任务管理服务器间接连接的设备确定为第二设备组，为第二设备组采用第二负载均衡的算法分配爬虫任务，第二负载均衡的算法的任务阈值小于第一负载均衡算法的任务阈值。
可选的，所述方法还包括：
检测设备与任务管理器之间的心跳消息，如设定时间内未接收到第一设备的第一心跳消息，将第一设备未完成的爬虫任务确定为待分配的爬虫任务。
第二方面，提供一种分布式爬虫任务分配系统，所述系统包括：任务管理器以及设备，所述任务管理器与设备连接；
任务管理器，用于获取该爬虫任务，获取与该任务管理器连接的设备的距离以及爬虫任务数量；依据该距离以及爬虫任务数量为该设备分配爬虫任务；
所述设备，用于执行分配的爬虫任务。
可选的，所述任务管理器，还用于将与任务管理器直接连接的设备确定为第一设备组，为第一设备组采用第一负载均衡的算法分配爬虫任务，将与任务管理服务器间接连接的设备确定为第二设备组，为第二设备组采用第二负载均衡的算法分配爬虫任务，第二负载均衡的算法的任务阈值小于第一负载均衡算法的任务阈值。
可选的，所述任务管理器，还用于检测设备与任务管理器之间的心跳消息，如设定时间内未接收到第一设备的第一心跳消息，将第一设备未完成的爬虫任务确定为待分配的爬虫任务。
第三方面，提供一种任务管理器，包括：处理器、无线收发器、存储器和总线，所述处理器、无线收发器、存储器通过总线连接，
所述无线收发器，用于获取该爬虫任务，获取与该任务管理器连接的设备的距离以及爬虫任务数量；
所述处理器，用于依据该距离以及爬虫任务数量为该设备分配爬虫任务。
可选的，所述处理器，用于将与任务管理器直接连接的设备确定为第一设备组，为第一设备组采用第一负载均衡的算法分配爬虫任务，将与任务管理服务器间接连接的设备确定为第二设备组，为第二设备组采用第二负载均衡的算法分配爬虫任务，第二负载均衡的算法的任务阈值小于第一负载均衡算法的任务阈值。
可选的，所述处理器，用于检测设备与任务管理器之间的心跳消息，如设定时间内未接收到第一设备的第一心跳消息，将第一设备未完成的爬虫任务确定为待分配的爬虫任务。
第四方面，提供一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面提供的方法。
 有益效果
本发明提供的技术方案通过将爬虫任务依据设备的距离以及爬虫任务数量来分配该爬虫任务，实现了任务分配合理，从而提高了效率的优点。
 附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明第一较佳实施方式提供的一种分布式爬虫任务分配方法的流程图；
图2为本发明第二较佳实施方式提供的一种分布式爬虫任务分配系统的结构图。
图3为本发明第二较佳实施方式提供的一种任务管理器的硬件结构图。
 本发明的实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1是本发明第一较佳实施方式提出的一种分布式爬虫任务分配方法，该方法如图1所示，包括如下步骤：
步骤S101、任务管理器获取该爬虫任务。
步骤S102、任务管理器获取与该任务管理器连接的设备的距离以及爬虫任务数量。
步骤S103、任务管理器依据该距离以及爬虫任务数量为该设备分配爬虫任务。
本发明提供的技术方案通过将爬虫任务依据设备的距离以及爬虫任务数量来分配该爬虫任务，实现了任务分配合理，从而提高了效率的优点。
可选的，上述步骤S103的实现方法具体可以为：
将与任务管理器直接连接的设备确定为第一设备组，为第一设备组采用第一负载均衡的算法分配爬虫任务，将与任务管理服务器间接连接的设备确定为第二设备组，为第二设备组采用第二负载均衡的算法分配爬虫任务，第二负载均衡的算法的任务阈值小于第一负载均衡算法的任务阈值。
其考虑的是，对于直接连接的设备，即跳数只有1个，这种距离短，网络之间的延时少，并且不易与任务管理器出现通信故障，对于此类设备，确定为最核心的第一设备组，采用任务阈值较大的负载均衡算法来实现任务的分配，离的远的设备，由于其跳数较多，距离长，网络之间的延时短，易出现通信的故障，所以分配的任务数量应该少一些。
可选的，上述方法在步骤S103之后还可以包括：
检测设备与任务管理器之间的心跳消息，如设定时间内未接收到第一设备的第一心跳消息，将第一设备未完成的爬虫任务确定为待分配的爬虫任务。
请参考图2，图2是本发明第二较佳实施方式提出的一种分布式爬虫实现系统，该系统如图2所示，包括：任务管理器201以及设备202，所述任务管理器与设备连接；
任务管理器，用于获取该爬虫任务，获取与该任务管理器连接的设备的距离以及爬虫任务数量；依据该距离以及爬虫任务数量为该设备分配爬虫任务；
所述设备，用于执行分配的爬虫任务。
可选的，所述任务管理器，还用于将与任务管理器直接连接的设备确定为第一设备组，为第一设备组采用第一负载均衡的算法分配爬虫任务，将与任务管理服务器间接连接的设备确定为第二设备组，为第二设备组采用第二负载均衡的算法分配爬虫任务，第二负载均衡的算法的任务阈值小于第一负载均衡算法的任务阈值。
可选的，所述任务管理器，还用于检测设备与任务管理器之间的心跳消息，如设定时间内未接收到第一设备的第一心跳消息，将第一设备未完成的爬虫任务确定为待分配的爬虫任务。
参阅图3，图3为一种任务管理器30，包括：处理器301、无线收发器302、存储器303和总线304，无线收发器302用于与外部设备之间收发数据。处理器301的数量可以是一个或多个。本申请的一些实施例中，处理器301、存储器302和收发器303可通过总线304或其他方式连接。服务器30可以用于执行图1的步骤。关于本实施例涉及的术语的含义以及举例，可以参考图1对应的实施例。此处不再赘述。
无线收发器302，用于获取该爬虫任务，获取与该任务管理器连接的设备的距离以及爬虫任务数量。
其中，存储器303中存储程序代码。处理器901用于调用存储器903中存储的程序代码，用于执行以下操作：
处理器301，用于依据该距离以及爬虫任务数量为该设备分配爬虫任务。
需要说明的是，这里的处理器301可以是一个处理元件，也可以是多个处理元件的统称。例如，该处理元件可以是中央处理器（Central Processing Unit，CPU），也可以是特定集成电路（Application Specific Integrated Circuit，ASIC），或者是被配置成实施本申请实施例的一个或多个集成电路，例如：一个或多个微处理器（digital singnal processor，DSP），或，一个或者多个现场可编程门阵列（Field Programmable Gate Array， FPGA）。
存储器303可以是一个存储装置，也可以是多个存储元件的统称，且用于存储可执行程序代码或应用程序运行装置运行所需要参数、数据等。且存储器303可以包括随机存储器（RAM），也可以包括非易失性存储器（non-volatile memory），例如磁盘存储器，闪存（Flash）等。
总线304可以是工业标准体系结构（Industry Standard Architecture，ISA）总线、外部设备互连（Peripheral Component，PCI）总线或扩展工业标准体系结构（Extended Industry Standard Architecture，EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
该终端还可以包括输入输出装置，连接于总线304，以通过总线与处理器301等其它部分连接。该输入输出装置可以为操作人员提供一输入界面，以便操作人员通过该输入界面选择布控项，还可以是其它接口，可通过该接口外接其它设备。
需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器（英文：Read-Only Memory ，简称：ROM）、随机存取器（英文：Random Access Memory，简称：RAM）、磁盘或光盘等。
以上对本发明实施例所提供的内容下载方法及相关设备、系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

  1. 一种分布式爬虫任务分配方法，其特征在于，所述方法包括如下步骤：
    任务管理器获取该爬虫任务；
    任务管理器获取与该任务管理器连接的设备的距离以及爬虫任务数量；
    任务管理器依据该距离以及爬虫任务数量为该设备分配爬虫任务。
  2. 根据权利要求1所述的方法，其特征在于，所述任务管理器依据该距离以及爬虫任务数量为该设备分配爬虫任务，具体包括：
    将与任务管理器直接连接的设备确定为第一设备组，为第一设备组采用第一负载均衡的算法分配爬虫任务，将与任务管理服务器间接连接的设备确定为第二设备组，为第二设备组采用第二负载均衡的算法分配爬虫任务，第二负载均衡的算法的任务阈值小于第一负载均衡算法的任务阈值。
  3. 根据权利要求1所述的方法，其特征在于，所述方法还包括：
    检测设备与任务管理器之间的心跳消息，如设定时间内未接收到第一设备的第一心跳消息，将第一设备未完成的爬虫任务确定为待分配的爬虫任务。
  4. 一种分布式爬虫任务分配系统，其特征在于，所述系统包括：任务管理器以及设备，所述任务管理器与设备连接；
    任务管理器，用于获取该爬虫任务，获取与该任务管理器连接的设备的距离以及爬虫任务数量；依据该距离以及爬虫任务数量为该设备分配爬虫任务；
    所述设备，用于执行分配的爬虫任务。
  5. 根据权利要求4所述的系统，其特征在于，
    所述任务管理器，还用于将与任务管理器直接连接的设备确定为第一设备组，为第一设备组采用第一负载均衡的算法分配爬虫任务，将与任务管理服务器间接连接的设备确定为第二设备组，为第二设备组采用第二负载均衡的算法分配爬虫任务，第二负载均衡的算法的任务阈值小于第一负载均衡算法的任务阈值。
  6. 根据权利要求4所述的方法，其特征在于，
    所述任务管理器，还用于检测设备与任务管理器之间的心跳消息，如设定时间内未接收到第一设备的第一心跳消息，将第一设备未完成的爬虫任务确定为待分配的爬虫任务。
  7. 一种任务管理器，包括：处理器、无线收发器、存储器和总线，所述处理器、无线收发器、存储器通过总线连接，其特征在于，
    所述无线收发器，用于获取该爬虫任务，获取与该任务管理器连接的设备的距离以及爬虫任务数量；
    所述处理器，用于依据该距离以及爬虫任务数量为该设备分配爬虫任务。
  8. 根据权利要求7所述的服务器，其特征在于，所述处理器，用于将与任务管理器直接连接的设备确定为第一设备组，为第一设备组采用第一负载均衡的算法分配爬虫任务，将与任务管理服务器间接连接的设备确定为第二设备组，为第二设备组采用第二负载均衡的算法分配爬虫任务，第二负载均衡的算法的任务阈值小于第一负载均衡算法的任务阈值。
  9. 根据权利要求7所述的服务器，其特征在于，所述处理器，用于检测设备与任务管理器之间的心跳消息，如设定时间内未接收到第一设备的第一心跳消息，将第一设备未完成的爬虫任务确定为待分配的爬虫任务。
  10. 一种计算机可读存储介质，其特征在于，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-3任一项所述的方法。
PCT/CN2017/104725 2017-09-30 2017-09-30 分布式爬虫任务分配方法及系统 WO2019061385A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/104725 WO2019061385A1 (zh) 2017-09-30 2017-09-30 分布式爬虫任务分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/104725 WO2019061385A1 (zh) 2017-09-30 2017-09-30 分布式爬虫任务分配方法及系统

Publications (1)

Publication Number Publication Date
WO2019061385A1 true WO2019061385A1 (zh) 2019-04-04

Family

ID=65900313

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/104725 WO2019061385A1 (zh) 2017-09-30 2017-09-30 分布式爬虫任务分配方法及系统

Country Status (1)

Country Link
WO (1) WO2019061385A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103067521A (zh) * 2013-01-08 2013-04-24 中国科学院声学研究所 一种分布式爬虫集群中的节点和系统
US20130283097A1 (en) * 2012-04-23 2013-10-24 Yahoo! Inc. Dynamic network task distribution
CN105279026A (zh) * 2014-07-10 2016-01-27 上海奇博自动化科技有限公司 一种分布式云计算环境中基于p2pt健康组网方法
CN106934027A (zh) * 2017-03-14 2017-07-07 深圳市博信诺达经贸咨询有限公司 分布式爬虫实现方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130283097A1 (en) * 2012-04-23 2013-10-24 Yahoo! Inc. Dynamic network task distribution
CN103067521A (zh) * 2013-01-08 2013-04-24 中国科学院声学研究所 一种分布式爬虫集群中的节点和系统
CN105279026A (zh) * 2014-07-10 2016-01-27 上海奇博自动化科技有限公司 一种分布式云计算环境中基于p2pt健康组网方法
CN106934027A (zh) * 2017-03-14 2017-07-07 深圳市博信诺达经贸咨询有限公司 分布式爬虫实现方法及系统

Similar Documents

Publication Publication Date Title
WO2021184551A1 (zh) 基于多个网络的通信方法、装置、电子设备及存储介质
WO2018176390A1 (zh) 绕线机的安全防备方法及系统
WO2020134827A1 (zh) 一种用于片上网络的路径创建方法、装置及电子设备
WO2018223354A1 (zh) 基于定位的考勤记录方法及系统
WO2019061384A1 (zh) 分布式爬虫系统中任务管理器的选举方法及系统
WO2019061385A1 (zh) 分布式爬虫任务分配方法及系统
US20230015908A1 (en) Virtual machine operation management in computing devices
WO2018165839A1 (zh) 分布式爬虫实现方法及系统
WO2021258861A1 (zh) 一种作业处理方法以及相关设备
WO2018170889A1 (zh) 即时通信的好友分组方法及系统
WO2018223373A1 (zh) 副号的终端管理方法及系统
WO2018209586A1 (zh) 蓝牙的定位方法及系统
WO2018223375A1 (zh) 终端流量的控制提醒方法及系统
WO2018223371A1 (zh) 终端热点的接入控制方法及系统
WO2018209507A1 (zh) 终端app分身的实现方法及系统
WO2018157331A1 (zh) 应用于大数据的存储方法及系统
WO2018157330A1 (zh) 大数据的划分方法及系统
WO2018157333A1 (zh) 处理大数据的方法及系统
WO2018176449A1 (zh) 绕线机的进度统计和分配方法及系统
WO2023058829A1 (ko) 인-네트워크 관리 장치, 네트워크 스위치, 인-네트워크 데이터 집약 시스템 및 방법
WO2018209504A1 (zh) 基于分组的终端app管理方法及系统
WO2018176223A1 (zh) 即时通信的分身实现方法及系统
WO2018209502A1 (zh) 终端app的分组方法及系统
WO2018209550A1 (zh) 终端的系统更新方法及系统
WO2018218615A1 (zh) 终端内多个app优先级的确定方法及系统

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17927768

Country of ref document: EP

Kind code of ref document: A1