个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
26
4
我将在几个月内从 EC2 抓取数百万个 URL，我正在考虑应该将这些数据存储在何处。我的最终目标是分析它，但分析可能不会立即进行(尽管出于其他原因我现在想抓取它)并且我可能希望最终将数据的副本传输出去以存储在我拥有的本地设备上.我估计数据将在 5TB 左右。
我的问题:我正在考虑为此使用 Glacier，我的想法是我将运行一个多线程爬虫，在本地(在 EB 上)存储爬取的页面，然后使用一个单独的线程将数据组合、压缩和穿梭到冰川。我知道 Glacier 上的传输速度不一定好，但由于这个过程没有在线元素，这似乎是可行的(特别是因为我总是可以增加本地 EBS 卷的大小，以防我爬得比我快存储到 Glacier)。
我的方法是否存在缺陷，或者任何人都可以建议一种更具成本效益、更可靠的方法来做到这一点？
谢谢!
最佳答案
Redshift 似乎比 Glacier 更相关。 Glacier 是关于卡住/解冻的，您必须在进行任何分析之前移动数据。
Redshift 更多的是将数据添加到一个大型、廉价的数据仓库中并对其运行查询。
另一种选择是将数据存储在 EBS 中并将其留在那里。完成爬网后，拍摄快照以将卷推送到 S3 并停用卷和 EC2 实例。然后，当您准备好进行分析时，只需从快照创建一个卷即可。
这种方法的好处是它是所有文件访问(没有正式的数据存储)，这对您来说可能更容易。
就个人而言，我可能会将数据推送到 Redshift 中。 :-)
--克里斯
关于amazon-s3 - 使用 Glacier 作为网络爬虫的后端，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16364843/
26
4
0
这个问题在这里已经有了答案: Why don't Java's +=, -=, *=, /= compound assignment operators require casting? (11 个
我搜索了很多，但没有一个链接能帮助我解决这个问题。我得到了 ORA-21500: internal error code, arguments: [%s], [%s], [%s], [%s], [%s
我正在做 RegexOne 正则表达式教程，它有一个 question关于编写正则表达式以删除不必要的空格。 教程中提供的解决方案是 We can just skip all the starting
([\s\S]+|\s?) 中 |\s? 的目的或作用是什么？如果没有它，表达式会不会与 ([\s\S]+) 相同？ 最佳答案 这不是完全相同的。 ([\s\S]+|\s?) 会匹配空字符串，而 ([
这个正则表达式有一组还是两组？ 我正在尝试使用第二组访问 bookTitle 但出现错误: Pattern pattern = Pattern.compile("^\\s*(.*?)\\s+-\\s+
在 C 中给定一个字符串指针 s，下面的迭代会做什么？即它以什么方式遍历字符串？ for (++s ; *s; ++s); 最佳答案 for (++s ; *s;++s) 表示 将指针 s 递增到字符
我正在用一个 node.js 应用程序解析一个大列表并有这段代码 sizeCode = dbfr.CN_DESC.split('\s+-\s*|\s*-\s+') 这似乎不起作用，因为它返回了 [ '
我正在编写一个简单的字符串连接程序。 该程序按照我发布的方式运行。但是，我首先使用以下代码编写它来查找字符串的结尾: while (*s++) ; 但是，这个方法并没有奏效。我传递给它的字符串
这个问题已经有答案了: What does (?和aramchand来自Mohandas Karamchand G 因此，在使用这些匹配来分割字符串后，您最终会得到 {"M", "K", "G"} 注
我正在尝试转换 Map到 List使用 lambda。 本质上，我想将键和值与 '=' 连接起来之间。这看起来微不足道，但我找不到如何去做。 例如 Map map = new HashMap<>();
我正在经历 K & R，并且在递增指针时遇到困难。练习 5.3(第 107 页)要求您使用指针编写一个 strcat 函数。 在伪代码中，该函数执行以下操作: 将 2 个字符串作为输入。 找到字符串
在下面的代码中，pS 和 s.pS 在最后一行是否保证相等？也就是说，在语句S s = S();中，是否可以确定不会构造一个临时的S？ #include using namespace std; s
演示示例代码: public void ReverseString(char[] s) { for(int i = 0, j = s.Length-1; i < j; i++, j--){
我一直在寻找类似于 .NET examples 中的示例的 PowerShell 脚本.取一个 New-TimeSpan 并显示为 1 天 2 小时 3 分钟 4 秒。排除其零的地方，在需要的地方添加
def func(s): s = s + " is corrected" return s string_list = ["She", "He"] for s in string_li
我是 python 的新手。当我在互联网上搜索 lambda 时。我在 lambda_functions 中找到了这个声明. processFunc = collapse and (lambda s:
我最近开始学习正则表达式，并试图为上面的问题写一个正则表达式。如果限制只放在一个字母上(例如不超过 2 个“b”)，这并不困难。 那么答案就是:a* c*(b|ε)a* c*(b|ε)a* c* 但是
当我运行 npm install 时出现以下错误，但我无法修复它。 我试过:npm install -g windows-build-tools 也没有修复这个错误 ERR! configure
有很多有趣的haskell网上可以找到片段。 This post可以在 this (awesome) Stack Overflow question 下找到. The author写道: discou
我知道以下三行代码旨在将字符串提取到$ value中并将其存储在$ header中。但是我不知道$value =~ s/^\s+//;和$value =~ s/\s+$//;之间有什么区别。 $val
我是一名优秀的程序员,十分优秀！