zoukankan      html  css  js  c++  java
  • Fetcher类的工作流程

    Fetcher类工作流程:
    
    FileInputFormat.addInputPath(job, new Path(segment, CrawlDatum.GENERATE_DIR_NAME));
    job.setInputFormat(InputFormat.class);
    
    ----------------第一部分------------------------
    job.setMapRunnerClass(Fetcher.class);
    
    Fetcher类实现了MapRunnable<Text, CrawlDatum, Text, NutchWritable>这个接口,主要完成了生产者的启动与消费者的启动。
    Fetcher extends Configured implements Tool,MapRunnable<Text, CrawlDatum, Text, NutchWritable>
    public void run(RecordReader<Text, CrawlDatum> input,OutputCollector<Text, NutchWritable> output,Reporter reporter){
    	启动生产者
    	feeder = new QueueFeeder(input, fetchQueues, threadCount * queueDepthMuliplier);
    	启动消费者
    	for (int i = 0; i < threadCount; i++) {       // spawn threads
          		new FetcherThread(getConf()).start(); 
        	}
    }
    FetcherThread类完成网页的下载,并用如下的方法多路输出。
    
    
    ----------------第二部分:多路输出------------------------
    FileOutputFormat.setOutputPath(job, segment);
    job.setOutputFormat(FetcherOutputFormat.class);/** Splits FetcherOutput entries into multiple map files. */
    output.collect(key, new NutchWritable(datum));
    output.collect(key, new NutchWritable(content));
    output.collect(url, new NutchWritable(new ParseImpl(new ParseText(parse.getText()),parseData, parse.isCanonical())));
    
  • 相关阅读:
    SharePoint网站迁移问题
    使用.NET框架自带的Json序列化类
    IL:Hello World
    Javascript面向对象
    抽象代数学习记录
    关于集成测试
    用QTP脚本操作腾讯QQ好友买卖功能
    关于白盒测试一些资料
    Developer小记
    架构设计
  • 原文地址:https://www.cnblogs.com/i80386/p/3334607.html
Copyright © 2011-2022 走看看