nutch 1.8与solr 4.8环境搭建

原创 2014年05月04日 14:30:03

   环境:ubuntu 11.10

   前提:

   因为solr 4.8必须要jdk1.7或者以上才能正确编译 如果使用jdk1.6或者以下的话 使用jetty运行solr的时候 会出现

       java.lang.UnsupportedClassVersionError Unsupported major.minor version 51.0 [duplicate]
所以在进行以下操作时 确保你的jdk版本为1.7以上 如下



1.从这 http://mirror.bit.edu.cn/apache/nutch/1.8/   下载 apache-nutch-1.8-bin.zip  下载nutch 1.8

  从这 http://mirror.bit.edu.cn/apache/lucene/solr/4.8.0/  下载 solr-4.8.0.tgz 下载solr 4.8

 分为解压 如下

unzip apache-nutch-1.8-bin.zip

tar -zxvf  solr-4.8.0.tgz



2.验证nutch与solr是否可以正常运行

nutch 出现如下情形表示nutch环境没有问题



验证 solr 如下截图




在浏览器中输入 http://192.168.38.209:8983/solr/#/   192.168.38.209为你ubuntu的ip地址

出现如下界面 表示solr的环境也没问题

因为solr是借助于jetty来运行的



3.整合nutch与solr

  配置nutch来进行抓取网页

  a: 配置代理名称 进入到nutch上面解压的conf目录下  例如 

      /home/u1/java/apache-nutch-1.8/conf
修改 nutch-site.xml 文件 添加如下内容

property>
 <name>http.agent.name</name>
 <value>My Nutch Spider</value>
</property>

 上面的值 可以随便设置

     b:设置你想抓取的网页 下面添加了两个准备抓取的网址 百度和新浪 如下

     


  c:配置nutch的配置文件到solr中 官网上如此描述的


官网上的描述和solr 4.8中的目录稍微有一点不符合 

   具体操作如下



 

  上面需要注意的是 就是第二步  因为从solr 4开始 需要nutch的配置文件为schema-solr4.xml 而不是原来的schema.xml  不然会报如下错误

collection1: org.apache.solr.common.SolrException:org.apache.solr.common.SolrException:
Plugin init failure for [schema.xml] fieldType "text": 
Plugin init failure for [schema.xml] analyzer/filter:
Error loading class 'solr.EnglishPorterFilterFactory'

然后重新启动  solr即可


 d:最后一步了 使用nutch抓取网页后 索引存到solr中 进行后续的索引

   使用如下命令即可 如下


 

 /bin/crawl 在进行抓取的时候  经过五个阶段 分别是  inject->generate->fetch->parse->updatedb


 查看是否抓取到了数据 如下



  你会发现 怎么 retry 1 和 db_unfetched都是1呢 其实看到这么小的数字 我们也会意识到 应该是没有抓取到数据

  可是  为什么呢  抓取数据的时候 没有报错 怎么没有数据呢  又是折腾了1个多小时 我突然意识到  我们实验室的电脑前段时间刚换的 需要账号才能上网 原来我的ubuntu没有上网 郁闷死了 连上网 删掉产生的文件crawl文件夹  重来



现在有数据了吧 

  再来在solr建的索引中看看是否可以查到数据了 

   


上面即是 nutch1.8与solr4.8的环境搭建  记录学习的脚步 

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

参考: http://lucene.apache.org/solr/4_8_0/tutorial.html


  


     

      



版权声明:本文为博主原创文章,未经博主允许不得转载。

相关文章推荐

nutch1.9与solr4.8.1整合

1、下载solr4.8.1,上传至/home/hadoop 2、解压,chong'm

nutch和solr配置实用

1.1nutch和solr Nutch是一个开源的、Java实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具。 Solr拥有像 web-services API的独立的企业级搜索服务...

Nutch1.8分布式抓取网页

用了大概一周左右的时间,yanjiue

CentOS6.5下nutch1.7+solr4.8.1+Eclipse环境搭建(二)之solr4.8.1安装

solr是一个基于java的web的应用,所以安装solr之前必须先安装JDK和tomcat。上一篇文章已经安装了JDK和Nutch。        1、安装tomcat7(apache-tomc...

CentOS6.5下nutch1.7+solr4.8.1+Eclipse环境搭建(一)之nutch1.7安装

由于自己在搭建整套环境中,遇到了很多问题。网上查找了一些资料,但是没有发现完整的说明。在此做个记录,也供新学者参考。此处重点说明CentOS6.5下nutch1.7+solr4.8.1+Eclipse...

[Nutch]Nutch2.3+Hadoop+HBase+Solr在Ubuntu环境搭建

上一篇博文介绍了在Windows 10系统下用Cygwin搭建Nutch开发环境,本文将介绍在Ubuntu下Nutch2.3的开发环境的搭建。 1. 需要的软件及其版本 Ubuntu 15.04 ha...

Nutch环境搭建文档

  • 2016-01-14 11:13
  • 4.58MB
  • 下载

VS2010 + Cmake + Qt4.8 简单的环境搭建实例。

很多人都用的Qt Creator进行开发, creator 确实很方便, 但调试起来,还是没有vs快捷。  cmake 实用于较为大型的项目的开始, 而且与vs组合, 更是功能强大, 加上比...

solr环境搭建详解

  • 2015-07-28 17:30
  • 251KB
  • 下载

win7+QT4.8+VS2010环境搭建

之前是使用虚拟机在Linux下进行QT开发,但是程序也需要在windows下使用,如是乎参考资料参考热心网友的博客 在windows下搭建QT开发环境 1.下载安装Visual Studio 2010...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:深度学习:神经网络中的前向传播和反向传播算法推导
举报原因:
原因补充:

(最多只允许输入30个字)