最近做了个分布式索引项目, 主要技术如下:
文件相关属性上传到HBase, 文件内容上传到HDFS.
利用Hadoop的MapReduce框架, 用TableFormat做输入源切分器, 在Mapper中作索引, 最后将索引布置到Katta(分布式索引管理者)上.
其中, Mapper主要是做索引, 用到:
Tika(文件内容提取, 可提取二进多种格式文件中的文本内容),
Lucene(建立索引)
IKAnalyzer(中文分词)
最近做了个分布式索引项目, 主要技术如下:
文件相关属性上传到HBase, 文件内容上传到HDFS.
利用Hadoop的MapReduce框架, 用TableFormat做输入源切分器, 在Mapper中作索引, 最后将索引布置到Katta(分布式索引管理者)上.
其中, Mapper主要是做索引, 用到:
Tika(文件内容提取, 可提取二进多种格式文件中的文本内容),
Lucene(建立索引)
IKAnalyzer(中文分词)