Crawljax性能问题之我见
来源:互联网 发布:ui设计软件有哪些 编辑:程序博客网 时间:2024/05/17 06:38
如果将Crawljax作为爬虫来用的话,有严重的性能问题,其问题主要在于其state管理机制,如下图:
由于浏览器缺省情况下是不能保持ajax应用的状态的,因此也就无法利用浏览器的回退机制,从当前state回退到上一个state,这样就必须从最初始的index state开始一层层地往下走,直到目标state。如果是一个较大型的网站,或者是翻页较多的网站,其state的层次非常之深,那么就会出现一种情况,crawljax每次抓取某一层次/某一页的资源时,总是需要从首页开始一页一页/一个层次一个层次地向下翻,所以基本上时间都花在state backtracking上面了,真正获取目标资源的时间只占了非常小的比例,几乎可以忽略不计。即使使用了多线程的方式,你也会看到,程序运行到后来,基本上所有线程大部分时间都是在做同样的事情,也就是在不断地翻页。
Crawljax使用的是深度优先的爬行算法,也许改用广度优先算法会好点,尝试中。。。
- Crawljax性能问题之我见
- crawljax之ExitNotifier类
- Java性能之我见
- 性能测试之我见
- 性能管理之我见
- php性能之我见(1)
- php性能之我见(2)
- zabbix性能优化之我见
- KW问题之我见
- topK问题之我见
- 序列化问题--之我见
- 分马问题之我见
- error C3861问题之我见
- 移动魔百盒问题之我见
- 性能测试之我见(一)
- ABAP 查询性能提高之我见
- ABAP 查询性能提高之我见
- 性能测试知多少----性能测试分类之我见
- ORACLE数据的导入导出操作
- QT连接SQL Server(ODBC) qt学习网站
- Ubuntu 中软件的安装、卸载以及查看的方法总结
- 项目管理驾御术
- ARM Linux权限内存控制的实现
- Crawljax性能问题之我见
- 三星Android校园开发大赛颁奖
- 我国74万域名服务器有一半存在安全隐患
- 记住这些话,做个爱情聪明人
- 练习使用ref, out关键字来传递class, struct, int, double的数据
- uva 10168 summation of four primes
- Galaxy Note Developer Talk - 非笔寻常
- Android学习优秀开源项目网址
- Cisco CCNP课程