产品开发中心,基于分布式集群的互联网音乐信息采集系统,现有的产品资料信息不能满足内容发布的需要 互联网音乐信息急速膨胀，单机爬虫性能上不能满足项目需要,咪咕播放器后台主要数据流程结构图,系统主体架构介绍,相关研究介绍Hadoop 是一个开源的可运行于大规模集群上的分布式并行编程框架，基于 Hadoop,你可以轻松地编写可处理海量数据的分布式并行程序，并将其运行于由成百上千个结点组成的大规模计算机集群上。 主要应用企业：IBM/YAHOO/GOOGLE,系统模块设计,信息整理模块主要解决方案,系统音乐信息数据表结构,分布式并行计算（Map/Reduce）在系统中的应用,系统测试,项目所取得的技术成果,完善无线音乐基地互联网音乐资料库，有效解决门户、音乐随身听等渠道使用音乐信息困难的局面。 分布式集群系统，能够有效降低项目硬件成本，只需要添加便宜的pc机作为集群的扩充，同时也解决了系统冗余备份的问题，保证了系统的稳定运行。 单机的爬取速度有限，分布式集群系统能够为每个子节点生产若干任务，独立的进行信息抽取，提高网络带宽使用率、节约抓取时间。 可扩展，基于Hadoop的设计思路，让系统不论是存储能力还是计算能力上都是可扩展的。 可靠，分布式文件系统的备份恢复机制以及MapReduce的任务监控保证了分布式处理的可靠性，该解决方案未来可广泛应用于中国移动无线音乐基地其它项目中。 高效，分布式文件系统的高效数据交互实现以及MapReduce结合Local Data处理的模式，为高效处理海量的信息作了基础准备。,项目下一步的工作,进一步演进和扩展系统的功能，满足业务部门需求，技术上，持续创新，更加准确的进行音乐信息抽取 由于音乐的信息量很大，且具有很强的地域性和个性化语言，应此在这方面歌曲的整理融合上，更多要加入特征化的音乐知识库，使来自各个信息源的歌曲融合更加准确。 扩展和定制分布式集群系统，使其能够提供更为强大的计算能力，为无线音乐基地的其它产品应用提供系统支撑。 加强Web和Console Administrator的可操作性，尽量让系统的绝大多数技术操作在上面解决，比如可以在线配置正则模板、在线定义抓取规则。 由于互联网抓取的个别信息，本身是杂乱无章、个性化地域性也特别严重，从技术上规整所有的信息肯定是不可能的，因此在第二期，将提供在线编辑平台，提供给编辑等内容整理人员进行信息修正。,谢谢！,