前提条件:
1. Hadoop 环境
2. cassandra数据库
3.JDK 1.6 以上
当确保以上环境配置完成后,下面介绍下怎么在hadoop环境部署nutch2.0:
nutch1.3以后nutch的分布式配置就非常的简单,我们只需要把eclipse中调试好的源代码Ant编译打包后,把build文件下的nutch-2.0.job拷贝到其中一个节点上(当然还包括runtime/deploy/bin), 然后执行脚本即可运行nutch。
这个地方就要仔细说一下这个job包:
大家都很清楚,hadoop 会自动分发任务,也就是我们的job包会被分到不同的节点上执行,那么job包中一定含有Nutch执行所需要的全部文件(包括各种的lib,以及conf文件,插件 等等)。所以就有了为什么要修改nutch-default.xml中plugin.folders属性.
ps:
环境问题搞死人,有的时候一个小小的配置会耽误很长的时间,所以多看log是最好的解决办法