【技术实现步骤摘要】
本专利技术涉及一种数据管理系统,具体涉及大规模分布式数据管理系统及其方法。
技术介绍
随着网络技术的大力发展,通过互联网获取数据已成为当前人们获取信息资源的重要途径。采用网络爬虫获取数据已成为主流的获取手段,然而,由于多个爬虫同时爬取数据,并将爬取的数据发送到一个接口中,如此之大规模的数据量会占用相当大的网络资源,而且由于爬虫的身份没有得到验证,会导致不必要的网络污染,这会浪费大量的网络资源和使得数据传送不安全。
技术实现思路
针对上述技术问题,本专利技术提供一种能有效避免资源浪费和保证数据安全传送的大规模分布式数据管理系统。本专利技术采用的技术方案为:本专利技术的一实施例提供一种大规模分布式数据管理系统,包括爬虫端、数据收集服务器、主控制器、分布式存储服务器和业务端,所述爬虫端和所述业务端分别与所述数据收集服务器进行数据交互,其中,所述爬虫端根据所述主控制器的指令来抓取网页数据并向数据收集服务器发送;所述数据收集服务器用于将爬虫端发送的数据整合之后上传至所述分布式存储服务器,并根据所述业务端发送的请求指令将相对应的数据发送给所述业务端;所述主控制器用于管理所述爬虫端、业务端认证以及数据收集服务器的负载均衡以及确定所述爬虫端和所述业务端的身份合法性,根据预定的分配规则为所述爬虫端分配相适配的数据收集服务器,当所述爬虫端爬取的数据达到相适配的数据收集服务器的存储预设值时,所述主控制器控制所述爬虫端向其他未达存储预设值的数据收集服务器发送所爬取的数据。可选地,所述数据收集服务器设置有数据清洗模块,其中,所述数据清理模块用于对爬取的数据进行清理,使得经清理后的数据 ...
【技术保护点】
一种大规模分布式数据管理系统,其特征在于,包括爬虫端、数据收集服务器、主控制器、分布式存储服务器和业务端,所述爬虫端和所述业务端分别与所述数据收集服务器进行数据交互,其中,所述爬虫端根据所述主控制器的指令来抓取网页数据并向数据收集服务器发送;所述数据收集服务器用于将爬虫端发送的数据整合之后上传至所述分布式存储服务器,并根据所述业务端发送的请求指令将相对应的数据发送给所述业务端;所述主控制器用于管理所述爬虫端、业务端认证以及数据收集服务器的负载均衡以及确定所述爬虫端和所述业务端的身份合法性,根据预定的分配规则为所述爬虫端分配相适配的数据收集服务器,当所述爬虫端爬取的数据达到相适配的数据收集服务器的存储预设值时,所述主控制器控制所述爬虫端向其他未达存储预设值的数据收集服务器发送所爬取的数据。
【技术特征摘要】
1.一种大规模分布式数据管理系统,其特征在于,包括爬虫端、数据收集服务器、主控制器、分布式存储服务器和业务端,所述爬虫端和所述业务端分别与所述数据收集服务器进行数据交互,其中,所述爬虫端根据所述主控制器的指令来抓取网页数据并向数据收集服务器发送;所述数据收集服务器用于将爬虫端发送的数据整合之后上传至所述分布式存储服务器,并根据所述业务端发送的请求指令将相对应的数据发送给所述业务端;所述主控制器用于管理所述爬虫端、业务端认证以及数据收集服务器的负载均衡以及确定所述爬虫端和所述业务端的身份合法性,根据预定的分配规则为所述爬虫端分配相适配的数据收集服务器,当所述爬虫端爬取的数据达到相适配的数据收集服务器的存储预设值时,所述主控制器控制所述爬虫端向其他未达存储预设值的数据收集服务器发送所爬取的数据。2.根据权利要求1所述的大规模分布式数据管理系统,其特征在于,所述数据收集服务器设置有数据清洗模块,其中,所述数据清理模块用于对爬取的数据进行清理,使得经清理后的数据形成标准的数据包;所述数据清理模块包括:数据清洗单元,用于过滤或者修改不符合业务端要求的数据;数据整理单元,用于根据业务端的需求对爬取的网页数据进行重新整合,使得整合后的数据与业务端的需求之间具有更高的相关性。3.根据权利要求2所述的大规模分布式数据管理系统,其特征在于,所述主控制器在所述爬虫端获得其认证授权后,根据预定的分配规则为所述爬虫端分配相适配的数据收集服务器;所述爬虫端在获得所述数据收集服务器的认证授权后,向相适配的数据收集服务器发送所爬取的数据;以及所述数据收集服务器在所述业务端获得认证授权后,向所述业务端发送响应请求指令的数据包。4.根据权利要求1所述的大规模分布式数据管理系统,其特征在于,当所述爬虫端爬取的数据大小达到预设阈值时,所述主控制器控制所述爬虫端向相适配的数据收集服务器传送数据;当所述爬虫端爬取的数据大小未达到预设阈值时,所爬取的数据暂时存放在缓存器中。5.根据权利要求2所述的大规模分布式数据管理系统,其特征在于,所述预定的分配规则为负载均衡算法;所述不符合业务端要求的数据包括不完整的数据、错误的数据和重复的数据。6.根据权利要求2所述的大规模分布式数据管理系统,其特征在于,所述根据业务端的需求对爬取的网页数据进行重新整合包括:将数据进行分割以获取指定行数的目标数据、满足指定条件的目标数据和只包含指定列编号的目标...
【专利技术属性】
技术研发人员:王亚松,刘希,常子青,
申请(专利权)人:国信优易数据有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。