節(jié)前一個誤操作把mysql中record表和movie表都清空了，顯然我是沒有做什么mysql備份的。所以，索性我把所有的表數(shù)據(jù)都清空的，一夜回到解放前……
項目地址：https://github.com/DMinerJackie/JewelCrawler
在上一個版本中，record表存儲了7萬多條記錄，爬取的有4萬多條，但是可以明顯的發(fā)現(xiàn)爬取的數(shù)據(jù)量越多的時候，機子就越卡。又一次報錯，是有關(guān)JDBC的，還有一次機子跑卡死了。
仔細一琢磨，上個版本的爬蟲程序與數(shù)據(jù)庫的讀寫次數(shù)太頻繁，存在以下問題：
1.程序運行，從種子地址開始，對于每次爬取的網(wǎng)站地址先查詢數(shù)據(jù)庫是否存在該條記錄，如果不存在，則立即插入；
2.當(dāng)前網(wǎng)站地址爬取完畢后，查找數(shù)據(jù)庫從中取出第一個crawled為0的記錄進行爬取，每次只取一條；
3.存儲電影詳情頁記錄以及短評數(shù)據(jù)都是采用解析一條則立即存儲到數(shù)據(jù)庫。
顯然，上面的這種方式是一目了然的效率低下，所以今天下午對相關(guān)代碼進行改造，部分實現(xiàn)了批量插入，盡可能減少與數(shù)據(jù)庫的交互，從而降低時空成本。
延伸閱讀
- ssh框架 2016-09-30
- 阿里移動安全 [無線安全]玩轉(zhuǎn)無線電——不安全的藍牙鎖 2017-07-26
- 消息隊列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
- Selective Search for Object Recognition 論文筆記【圖片目標(biāo)分割】 2017-07-26
- 詞向量-LRWE模型-更好地識別反義詞同義詞 2017-07-26
- 從棧不平衡問題 理解 calling convention 2017-07-26
- php imagemagick 處理 圖片剪切、壓縮、合并、插入文本、背景色透明 2017-07-26
- Swift實現(xiàn)JSON轉(zhuǎn)Model - HandyJSON使用講解 2017-07-26
- 阿里移動安全 Android端惡意鎖屏勒索應(yīng)用分析 2017-07-26
- 集合結(jié)合數(shù)據(jù)結(jié)構(gòu)來看看(二) 2017-07-26
學(xué)習(xí)是年輕人改變自己的最好方式