使用lxml库时需要编写和测试XPath语句，显然降低了开发效率。除了lxml库之外，还可以使用Beautiful Soup来提取HTML/XML数据。虽然这两个库的功能相似，但是Beautiful Soup使用起来更加简洁方便，受到开发人员的推崇。查看全文>>
lxml是使用Python语言编写的库，主要用于解析和提取HTML或者XML格式的数据，它不仅功能非常丰富，而且便于使用，可以利用XPath语法快速地定位特定的元素或节点。查看全文>>
Scrapy的这些组件通力合作，共同完成整个爬取任务。架构图中的箭头是数据的流动方向，首先从初始URL开始，Scheduler 会将其交给Downloader进行下载，下载之后会交给Spiders进行分析。查看全文>>
每个Znode都包含了一系列的属性，对于Zookeeper来说，Znode状态改变的每一个操作都将使节点接收到唯一的zxid（Zookeeper Transaction ID）格式的时间戳，并且这个时间戳是全局有序的，通常被称为事物ID...查看全文>>
Zookeeper为了保证各节点的协同工作，在工作时需要一个Leader角色，而Zookeeper默认采用FastLeaderElection算法，且投票数大于半数则胜出的机制，再介绍选举机制前，首先了解选举涉及的相关概念。查看全文>>
HBase中存储在HDFS中的数据是通过Zookeeper协调处理的。由于HBase存在单点故障的问题，因此，可以通过Zookeeper部署一个高可用的HBase集群解决。下面，以三台服务器为例（hadoop01、hadoop02和hadoop03），讲解如何安装部署HBase集群。查看全文>>
