zoukankan      html  css  js  c++  java
  • 在Eclipse中运行Nutch2.3


    参考http://wiki.apache.org/nutch/RunNutchInEclipse


    一、环境准备

    1、下载nutch2.3源代码

    wget http://mirror.bit.edu.cn/apache/nutch/2.3/apache-nutch-2.3-src.tar.gz
    或者下载正在开发中的最新版本
     svn co https://svn.apache.org/repos/asf/nutch/branches/2.x


    2、选择使用的数据库类型,以hbase为例
    在conf/nutch-site.xml中增加以下属性:

    <property>
      <name>storage.data.store.class</name>
      <value>org.apache.gora.hbase.store.HBaseStore</value>
      <description>Default class for storing data</description>
     </property>


    3、在ivy/ivy.xml中增加与hbase相关的依赖项,此项本已存在,但被注释掉,将注释去掉即可

    <dependency org="org.apache.gora" name="gora-hbase" rev="0.5" conf="*->default” />
    注意,rev=0.5对应hbase0.94,rev=0.3对应hbase0.90.4


    4、在nutch.xml中增加以下3个属性

    <property>
       <name>http.agent.name</name>
       <value>My Nutch Spider</value>
     </property>
    <property>
       <name>http.robots.agents</name>
       <value>none</value>
     </property>
    <property>
       <name>plugin.folders</name>
       <value>/Users/liaoliuqing/0_Search/1_Nutch/1_Official/apache-nutch-2.3/build/plugins</value>
     </property>
    其中plugin.folders的值为$NUTCH_HOME/build/plugins


    5、执行ant eclipse


    二、导入project

    1、导入project


    2、在build path中,将apche-nutch-2.3/conf放到最上面,即点击top按键



    三、运行程序

    1、Run as ----> Run configuration,选择project与主类


    2、填写参数

    /Users/liaoliuqing/Downloads/seed.txt

    -Dhadoop.log.dir=logs -Dhadoop.log.file=hadoop.log


    3、点击run,输出结果如下:

    InjectorJob: starting at 2015-01-28 16:27:43
    InjectorJob: Injecting urlDir: /Users/liaoliuqing/Downloads/seed.txt
    InjectorJob: Using class org.apache.gora.hbase.store.HBaseStore as the Gora storage class.
    InjectorJob: total number of urls rejected by filters: 0
    InjectorJob: total number of urls injected after normalization and filtering: 1
    Injector: finished at 2015-01-28 16:27:47, elapsed: 00:00:04


    注意,在运行程序前,本机需要先启动hbase。


    4、查看hbase中的数据

    hbase(main):003:0> scan 'webpage'
    ROW                                         COLUMN+CELL                                                                                                                 
     com.163.www:http/                          column=f:fi, timestamp=1422433667377, value=x00'x8Dx00                                                                   
     com.163.www:http/                          column=f:ts, timestamp=1422433667377, value=x00x00x01K/xA7:x14                                                         
     com.163.www:http/                          column=mk:_injmrk_, timestamp=1422433667377, value=y                                                                        
     com.163.www:http/                          column=mk:dist, timestamp=1422433667377, value=0                                                                            
     com.163.www:http/                          column=mtdt:_csh_, timestamp=1422433667377, value=?x80x00x00                                                             
     com.163.www:http/                          column=s:s, timestamp=1422433667377, value=?x80x00x00                                                                    
    1 row(s) in 0.2970 seconds






  • 相关阅读:
    Python3输入输出
    Python3文件
    Python3OS文件/方法
    makefile通用版本(一)
    C语言正则表达式
    正则表达式
    sed、awk工具
    shell编程
    Sqlite3-安装使用
    Powershell-获取命令和帮助
  • 原文地址:https://www.cnblogs.com/jediael/p/4304048.html
Copyright © 2011-2022 走看看