[Linux] Nutch 2.3.1+ Hbase + Hadoop + Solr 单机指南（二）

---

可喜可贺写到了第二篇，照这个势头都可以去写论文了。我的委托人小Y明明计科系出身，看来上学时期肯定脑瓜里都是蔷薇色的，才傻傻来找本熊帮忙。可惜本熊上学时期都是节能减排型的，通关模式向来选Easy，但为了可以愉快的勒索小Y的午餐，本熊也是够拼了。

---

纯初学者说明模式
本章节主讲实现本地模式

• Solr4.10与Tomcat集成
• 删除Solr索引的方法
• 一点有效但不实用的小技巧

---

1.Solr与Tomcat集成

集成的原因，初学者的可能会好奇Solr与Tomcat两个都是可以作为服务器，为啥不单用Solr呢？

单独启动Solr也可以，但原因在于将来实现的不是这样的伪集群模式，Solr在搜索引擎中的作用是建立索引，而管理集群的工作则交给了zookeeper，而载体就是Tomcat

可以参照前一章的步骤完成准备工作，接下来就可以正式开工了

1.1 解压Tomcat与solr

这里的路径随意，本熊假设Tomcat的主目录为TomcatPath，Solr的主目录为SolrPath，Nutch的解压后的主目录为NutchPath

以下是本熊的解压位置：
TomcatPath的值就是 /home/as/workspace/tomcat
SolrPath的值就是 /home/as/下载/solr-4.10.3
NutchPath的值就是 /usr/Dzy/apache-nutch-2.3.1

各位看官可以看自己的解压位置替换，本熊只为方便说明。

• 在TomcatPath下的/webapps文件夹内新建名叫solr文件夹

• 在SolrPath下路径/example/webapps有名为solr.war的压缩文件，将其复制到刚才新建的solr文件夹内

• 在当前目录将solr.war解压
  
  本熊请各位务必注意路径，本熊将截图包括路径，各位可以根据自身情况稍加推理，找到正确的位置。

• 将SolrPath下的/example内的solr文件夹复制到TomcatPath路径下，如图
  

• 在NutchPath下的/conf中的schema.xml文件，复制到TomcatPath下的/solr/collection1/conf内覆盖原文件

这样第一步准备工作就算完成啦，至于为什么复制Nutch的
schema.xml文件呢？了解过MYSQL的人肯定看这个词很眼熟，这就是告知solr服务器需要保留哪些类型数据的配置文件

1.2 修改solr的配置文件

此处的目的在于修改solr的配置文件，使其能准确的找到core的位置，本熊推测core的作用正是像处数据理机一样，里面集成了分词器等，使其可以可以建立索引。

• 在TomcatPath下/webapps/solr/WEB-INF的文件内修改web.xml文件，将选取部分的注释取消（将开头 <!--的和结尾的-->消除即可）
  

正确的写法是

   <env-entry>
       <env-entry-name>solr/home</env-entry-name>
       <env-entry-value>/home/as/workspace/tomcat/solr</env-entry-value>
       <env-entry-type>java.lang.String</env-entry-type>
   </env-entry>

<env-entry-value>标签下写的是步骤1.1的最后一步复制的solr文件所在的路径，**不是**solr.war的解压路径

1.3 启动solr

• 在TomcatPath目录下执行以下命令，启动Tomcat
  bash startup.sh
• 然后在浏览器中输入以下网址
  http://localhost:8080/solr/

如果终端显示了Permission denied，这就是权限不够，拒绝执行的意思

    su

本熊就用的这个命令来提升权限吧

2.删除Solr索引

本熊简单介绍一下为什么要删除，因为在实验中Nutch抓取后，将抓取到数据存储到Hbase（也可以是其他的数据库）

然后由Solr来生成索引执行查询，如果不删除，那么将永远保留着第一次抓取的结果，无法查询今后的抓取结果

• 在Core selector的下拉栏中选择Collection1，然后再选取Documents，将右侧的Documents Type选为XML，如下图

• 然后在下面文本域中输入

  <delete><query>*:*</query></delete><commit/>
  

  点击Submit Document执行，这句话用于清除所有索引，各位可以按需要删除指定的索引，这个得去问Google，本熊是实用派的

3.查询Nutch抓取的数据

如果完成了Nutch的抓取流程，这里可以看见抓取的结果，当然如果没有执行过，里面是什么都查不出来的

所以耐心的跟着本熊往下走完成以后的指南，本熊保证不出大意外，一定会看见的。

• 在Core selector的下拉栏中选择Collection1，然后再选取Query，点击右侧Execute Query，如下图

各位看官也可按需要调整查询参数，语法也是很简单的，本熊建议各位少年少女们好好利用百度吧，多查一查也不会有在下百度查我干嘛的的桥段的。

再次提醒 版本正确,版本正确,版本正确,在下版本有何贵干？不吐槽了，本熊就是在Nutch抓取成功后，却看不到solr上有任何数据，后来查明就是用了高版本的solr，希望各位少撞点墙了，能保证指甲头发的正常生长。

---

第二期完

本期可是之后完成Nutch抓取后的重要的检测工作，只有查询时看到了结果才算成功。在看到从没有到出现，那个成就感都让本熊差点忘了目的是刷小Y好感度了。

确实作为程序熊，成就感十分重要，在不知不觉接受越来越厉害的项目时，各位还能找到这份最初的愉悦吗？

下一期讲Hadoop与Hbase的配置

[Linux] Nutch 2.3.1+ Hbase + Hadoop + Solr 单机指南（一）
[Linux] Nutch 2.3.1+ Hbase + Hadoop + Solr 单机指南（二）
[Linux] Nutch 2.3.1+ Hbase + Hadoop + Solr 单机指南（三）
[Linux] Nutch 2.3.1+ Hbase + Hadoop + Solr 单机指南（四）