启动nutch的linux脚本

为了跟踪nutch1.0的如下错误
Generator: 0 records selected for fetching, exiting ..
写了一个nutch启动的linux脚本,功能等同于bin/nutch crawl,可以查看哪一步出问题。
有三个参数,<crawlData>, <urls>, <depth>。
第三个可以省略,默认是3层爬取。

#!/bin/bash
cd /data
Nutch/bin/nutch inject $1/crawldb $2
# echo "Command: nutch inject $1/crawldb $2"
if [ $3 ]; then
  cnt=$3
else
  cnt=3
fi

while [ $cnt -gt 0 ]; do
Nutch/bin/nutch generate $1/crawldb $1/segments
seg=` hadoop dfs -ls $1/segments/ | tail -1 | cut -c57-`
Nutch/bin/nutch fetch $seg
Nutch/bin/nutch updatedb $1/crawldb $seg
let "cnt-=1"
done

Nutch/bin/nutch invertlinks $1/linkdb -dir $1/segments
Nutch/bin/nutch index $1/indexes $1/crawldb $1/linkdb $1/segments/*
Nutch/bin/nutch dedup $1/indexes
Nutch/bin/nutch merge $1/index $1/indexes

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值