基于Hadoop的海量MP3文件存储架构

MP3作为数字音乐时代的事实标准,数量已相当巨大,用户的访问需求也与日俱增,有效存储和管理海量的MP3文件,为用户提供良好的体验,越来越引起人们的关注。Hadoop的出现,提供了一种新的思路。但由于Hadoop自身并不适合海量小文件处理,提出一种基于Hadoop的海量MP3文件存储架构,充分利用MP3文件自身包含的丰富描述信息,通过预处理模块的归类算法,将小文件归并到Sequence File中,同时引入高效的索引机制,很好地解决了小文件过多时NameNode内存瓶颈问题。实验证明,该架构能达到良好的效果。

RSS的应用研究

RSS 是一个较新的技术。目前许多网站包括科技网站都采用 RSS 来发布最新消息。那么,RSS 究竟是什么?RSS feed 是怎样的?如何应用 RSS?RSS 在图书馆情报领域有何应用前景?本文针对这些问题进行了研究,试图为图书情报界了解、应用 RSS 提供参考。

网络科技信息监测中富文档识别与信息提取技术研究

【目的/意义】围绕富文档载体类型的鉴别、元数据的提取等开展相应的实际应用探索。【方法/过程】通过开源工具PDFBox以及Tika对不同类型的富文档元数据及正文内容进行提取,取得了良好的实际效果,为科研人员提供了大量的有学术价值的情报资源。【结果/结论】通过对富文档监测与识别的研究与探索,笔者拓展了文本知识内容的识别方法,为后续的深度知识分析提供了有效的支撑。