Nutch1.0的那些事

      很久没有更新博客了，应该快一年了。现在呢，我把去年研究过的Nutch重新拾掇起来，开始了新的开源搜索引擎研究旅程。更多感慨是，Nutch已经在今年3月份已经发布了1.0版本，之前研究的Nutch还是0.9版本，其最大的变化并不是版本的升级，而是Nutch已经正式成为了Apache.org的子项目，并且可爱的Hadoop发的速度甚至超过了Nutch本身。也正在由于Hadoop存在使得Nutch在众多的开源搜索引擎里面显得更有魅力。而且，国内的牛人们已经将hadoop的中文资料给整理出来了，在http://www.hadoop.org.cn，很有范，学习中。

 

     包括：

     1)namespace名字空间配额管理指南

     2)hadoop命令

     3)FS Shell

     4)DistCp分布式拷贝

     5)Hadoop Map/Reduce

     6)Hadoop本地库

     7)Hadoop Streaming

     8)Hadoop Archives

     9) Hadoop On Demand

     可以去看看这些文章，对于Nutch的理解会更深刻一些

 

     Nutch1.0修正了很多的BUG，其中就有我之前文章中提到的urls/nutch.txt只有一行时的报错，看过Nutch1.0源码中已经修复过了。

 

     另外，集成的Hadoop已经升级成为了0.19.1版本，paoding分词也到了2.0.4版本，lucene升级到了2.0.4版本等等。接下来的文章中，我会将研究Nutch1.0的感想一一分享出来，并回复一些热心的顶贴朋友的提问，争取成为Nutch达人或者Hadoop达人。

 

     呵呵，继续努力。