我目前正在开发一个带有内置网络爬虫的自定义搜索引擎。出于某种原因，我不喜欢多线程，因此到目前为止，我的索引器是以单线程方式编码的。现在我正在构建的爬虫遇到了一个小难题。有人可以建议哪个更好，抓取 1 个页面然后将其编入索引，还是抓取 1000 多个页面和缓存，然后编入索引？
最佳答案
网络很慢(相对于 CPU)。通过并行化爬虫，您将看到速度显着提高。否则，您的应用程序将花费大部分时间等待网络 IO 完成。您可以使用多线程和阻塞 IO，也可以使用单线程和异步 IO。
此外，与一次索引一个文档相比，大多数索引算法在成批文档上的表现会更好。
关于c++ - 构建网络爬虫，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/861035/