课程名称
小像分布式爬虫第二期学习视频，资源教程下载
内容特色
1. 围绕微博的抓取、存储、提取和文本分析来展开
2. 增强了计算机架构与分布式系统的设计，例如负载均衡和任务队列的大篇幅介绍
3. 增加了对于数据库性能及优化的关键方法和原理的介绍，例如深翻页、查询优化、索引优化，Redis 队列原理及优化等:
4. 在第一期使用简单Socket实现消息队列的基础上，增加了对成熟分布式架构（ZooKeeper）、消息队列（RabbitMQ）等的介绍，便于学员根据系统复杂度的提高而升级
面向人群：
1. 想要成为爬虫工程师、数据工程师的学习者
2. 网站后台及分布式系统架构的开发者和学习者
3. 爬虫系统项目经理、技术经理和架构师
4. 希望搭建聚合类、数据挖掘类、图片视频库等网站的爱好者、从业者
5. 有网络爬虫需求的开发者
学习收益：
1. 掌握分布式爬虫的实现原理以及常用的使用场景，例如内容聚合、过程跟踪、比价、数据挖掘等
2. 掌握分布式系统架构设计
3. 掌握常用数据库的原理和使用、开发中需要注意的重点2
4. 了解如Google、百度、今日头条等互联网公司的产品技术和解决方案5
5. 了解从文本采集到存储、分析的全套流程，会涉及基础的机器学习、文本分类和搜索引擎的原理
6. 针对不同任务，能快速开发网络爬虫满足业务需求-
开课时间：.
2017年6月8日2
课程大纲
第一课
静态网页爬虫：爬虫的基础技术
选择器
介绍
及
里的网络请求
高速位缓存设计：
第一个爬虫：蚂蜂窝的游记
第二课
登录及动态网页的抓取
表单
网站登录及
的浏览器：
浏览器的驱动：
动态网页数据获取
第三课
微博的抓取
微博网站分布及结构分析
通过动态页面来抓取
微博网络接口的逆向分析
的反编译
加密库
源代码的接口分析
利用
来抓取微博
第四课
多线程与过进程的爬虫
线程与进程
的多线程约束
多个线程同时抓取
多个进程同时抓取
第五课
微博数据的存储：分布式数据库及应用
与
架构
基于分布式数据库的分布式爬虫
第六课
多机并行的微博抓取：分布式系统设计
编程
设计
设计
任务调度及通信协议
分布式集群部署的爬虫
第七课
分布式系统进阶：复杂的分布式机制
分布式应用协调服务：
分布式消息队列管理：
服务发布及注册
灰度升级
第八课
微博数据查询：分布式数据库系统的优化及负载均衡
复制与分片
流量控制及均衡
分布式事物及锁
的核心技术介绍
的关键技术
的查询过程介绍及优化要素
第九课
评论0