1. 环境准备

HOST:Ubuntu12.04LTS

JDK: jdk-7u45-linux-i586.rpm

Nutch:apache-nutch-1.7-bin.tar.gz

Solr:solr-4.6.0-src.tgz

工作目录: /home/zephyr/

 

1.1JDK安装

为了下载快点,一下脑残下了rpm.

可Ubuntu上没有rpm工具apt-get install rpm 后rpm -ivh jdk-7u45-linux-i586.rpm

提示要使用alien

apt-get install alien alien -i jdk-7u45-linux-i586.rpm

alien -d jdk-7u45-linux-i586.rpm 生成deb文件 不可用

无奈,重新使用apt-get install oracle-java7-installer* 直接使用失败

add-apt-repository ppa:webupd8team/java

apt-get update

apt-get install oracle-java7-installer

到/etc/profile 文件的最后增加上以下几行

export JAVA_HOME=/usr/java/jdk1.7.0_45

export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar

export NUTCH_HOME=/home/zephyr/apache-nutch-1.7

export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$NUTCH_HOME/bin:$PATH

 

1.2Tomcat安装

apt-get install tomcat7 下载tomcat

修改tomcat的端口使用情况为

vi /etc/tomcat7/server.xml

<Connector port="8088" protocol="HTTP/1.1"

connectionTimeout="20000"

URIEncoding="UTF-8"

redirectPort="8443" />

/etc/init.d/tomcat7 start

 

1.3Nutch 安装

工作目录下解压 tar xzvf apache-nutch-1.7-bin.tar.gz

测试Nutch 是否能正常工作

在urls目录touch一个seed.txt echo http://nutch.apache.org/ >> seed.txt

修改conf/regex-urlfilter.txt

  1.    # accept anything else

     +.

  1.    +^http://([a-z0-9]*\.)*nutch.apache.org/

编辑conf/nutch-site.xml

  1. <property>
  1. <name>http.agent.name</name>
  1. <value>My Nutch Spider</value>
  1. </property>
  1. .nutch crawl ../urls -dir ../test -depth 1 -topN 10

报错

java/lang/NoClassDefFoundError: java/lang/Object

Exception in thread "main" java.lang.InternalError: internal error: SHA-1 not available

修正JDK

cd /usr/java/jdk1.7.0_45/lib 将pack结尾的文件都转成 jar 如:unpack200 tools.pack tools.jar

/usr/java/jdk1.7.0_45/jre/lib 也做相同操作

再操作成功。

 

1.4 Solr安装

tar xzvf solr-4.6.0-src.tgz

ivy未安装,先安装ivy, apt-get install ivy

ant compile 失败,修正ln -s -T /usr/share/java/ivy.jar /usr/share/ant/lib

/ivy.jar 编译无响应

tar xzvf solr-4.6.0.tgz

把Solr 预设的core 范例collection1 复制为core-nutch

把Nutch 提供的conf/schema-solr4.xml 覆盖掉Solr core-nutch 的conf/schema.xml

将Solr core-nutch conf/schema.xml补上一行漏掉的栏位设定<field name=”_version_” type=”long” stored=”true” indexed=”true” multiValued=”false”/>

将core.properties中的name 改为 core-nutch

nutch crawl /home/zephyr/apache-nutch-1.7/urls -solr http://192.168.153.128:8983/solr/core-nutch/ -threads 20 -depth 1 -topN 10

也可以使用nutch solrindex http://192.168.153.128:8983/solr/core-nutch/ /home/zephyr/apache-nutch-1.7/test/crawldb -linkdb /home/zephyr/apache-nutch-1.7/test/linkdb/ /home/zephyr/apache-nutc

h-1.7/test/segments/*

 

1.5 solr通过tomcat7部署

apt-get install tomcat7-admin

/etc/tomcat7编辑tomcat-users.xml

  1. <role rolename="manager-gui"/>
  1. <role rolename="admin-gui"/>
  1. <user username="tomcat" password="tomcat" roles="manager-gui,admin-gui"/>

cp /home/zephyr/solr-4.6.0/example/webapps/solr.war /var/lib/tomcat7/webapps/solr.war

cp –r /home/zephyr/solr-4.6.0/example/solr /var/lib/tomcat7/solr

cd /var/lib/tomcat7/conf/Catalina/localhost

vi solr.xml

<Context docBase="/var/lib/tomcat7/webapps/solr.war" debug="0" crossContext="true" >

   <Environment name="solr/home" type="java.lang.String" value="/var/lib/tomcat7/solr" override="true" />

</Context>

cp /home/zephyr/solr-4.6.0/example/lib/ext/*.jar /usr/share/tomcat7/lib

cp /home/zephyr/solr-4.6.0/example/resources/log4j.properties /usr/share/tomcat7/lib/

vi log4j.properties 修改 solr.log=/var/logs/tomcat7/

否则solr无法在tomcat启动

“One of the things about running Solr in a container other than the embedded Jetty is that we need to setup the logging. This step is crucial, without doing this solr will never start and you will pull all of your hair out trying to figure out why”

启动运行提示出错:

SolrCore 'collection1' is not available due to init failure: Index locked for write for core collection1

cd /var/lib/tomcat7/solr/ collection1

chown tomcat7 data -R

cd /var/lib/tomcat7/solr/core-nutch

chown tomcat7 data –R

 

1.6 Nutch添加中文支持

编辑/home/zephyr/apache-nutch-1.7/conf/nutch-site.xml

<property>

<name>http.accept.language</name>

<value>ja-jp, en-us, zh-cn,en-gb,en;q=0.7,*;q=0.3</value>

<description>Value of the “Accept-Language” request header field.

   This allows selecting non-English language as default one to retrieve.

   It is a useful setting for search engines build for certain national group.

</description>

</property>

Nutch环境搭建的更多相关文章

  1. Nutch1.7学习笔记:基本环境搭建及使用

    Nutch1.7学习笔记:基本环境搭建及使用 作者:雨水,时间:2013-10-31博客地址:http://blog.csdn.net/gobitan 说明:Nutch有两个主版本1.x和2.x,它们 ...

  2. 一、hadoop 及 hadoop的环境搭建

    一.Hadoop引言 Hadoop是在2006年雅虎从Nutch(给予Java爬虫框架)工程中剥离一套分布式的解决方案.该方案参考了Goggle的GFS(Google File System)和Map ...

  3. 01-Hadoop概述及基础环境搭建

    1 hadoop概述 1.1 为什么会有大数据处理 传统模式已经满足不了大数据的增长 1)存储问题 传统数据库:存储亿级别的数据,需要高性能的服务器:并且解决不了本质问题:只能存结构化数据 大数据存储 ...

  4. .NET Core系列 : 1、.NET Core 环境搭建和命令行CLI入门

    2016年6月27日.NET Core & ASP.NET Core 1.0在Redhat峰会上正式发布,社区里涌现了很多文章,我也计划写个系列文章,原因是.NET Core的入门门槛相当高, ...

  5. Azure Service Fabric 开发环境搭建

    微服务体系结构是一种将服务器应用程序构建为一组小型服务的方法,每个服务都按自己的进程运行,并通过 HTTP 和 WebSocket 等协议相互通信.每个微服务都在特定的界定上下文(每服务)中实现特定的 ...

  6. rnandroid环境搭建

    react-native 环境搭建具体步骤这个大家已经玩烂了,这个主要是记录下来自己做win7系统遇到的坑 1.com.android.ddmlib.installexception 遇到这个问题,在 ...

  7. python开发环境搭建

    虽然网上有很多python开发环境搭建的文章,不过重复造轮子还是要的,记录一下过程,方便自己以后配置,也方便正在学习中的同事配置他们的环境. 1.准备好安装包 1)上python官网下载python运 ...

  8. springMVC初探--环境搭建和第一个HelloWorld简单项目

    注:此篇为学习springMVC时,做的笔记整理. MVC框架要做哪些事情? a,将url映射到java类,或者java类的方法上 b,封装用户提交的数据 c,处理请求->调用相关的业务处理—& ...

  9. 【定有惊喜】android程序员如何做自己的API接口?php与android的良好交互(附环境搭建),让前端数据动起来~

    一.写在前面 web开发有前端和后端之分,其实android还是有前端和后端之分.android开发就相当于手机app的前端,一般都是php+android或者jsp+android开发.androi ...

随机推荐

  1. 前台利用jcrop做头像选择预览,后台通过django利用Uploadify组件上传图最终使用PIL做图像裁切

    之前一直使用python的PIL自定义裁切图片,今天有需求需要做一个前端的选择预览页面,索性就把这个功能整理一下,分享给大家. 实现思路: 1.前端页面: 用户选择本地一张图片,然后通过鼠标缩放和移动 ...

  2. css案例学习之用thead、tbody、tfoot实现漂亮的table布局

    首先说说thead.tbody.tfoot <thead> <tbody> <tfoot> 无论前后顺序如何改变, <thead> 内的元素总是在表的最 ...

  3. relative与absolute相结合

    relative会把别人挤下去, absolute会跑偏. 两者结合就会很好的解决问题. <span class='pic_selected' style='position:relative; ...

  4. C语言随笔_printf输出多行

    想在printf中,输出多行数据,如果写成下面这样: printf("line 1\n line 2\n line 3\n");编译器会报错“error C2001: newlin ...

  5. 关于xhEditor

    关于xhEditor xhEditor是一个基于jQuery开发的简单迷你并且高效的在线可视化HTML编辑器,基于网络访问并且兼容IE 6.0+,Firefox 3.0+,Opera 9.6+,Chr ...

  6. 【MSP是什么】MSP认证之项目管理与项目群管理的区别

    通常所说的项目管理是指运用各种相关知识.技能.方法与工具,为满足或超越项目有关各方对项目的要求与期望,所开展的各种计划.组织.领导.控制等方面的活动.具体包括项目范围管理.项目时间管理.项目成本管理. ...

  7. Unity 2DSprite

    Unity官方意识到在4.3版本之前,并没有自带的支持2D游戏工具,商店里面有很多有名2D插件Uni2D,2DToolkit,在4.3版本之后就出现UISprite精灵来支持2D游戏开发,我用这个很多 ...

  8. Android 代码混淆及第三方jar包不被混淆

    为了保护代码被反编译,android引入了混淆代码的概念 1.设置混淆 在工程下找到project.properties文件 在文件中加入proguard.config=${sdk.dir}/tool ...

  9. 实现一次请求加载多个js或者css

    http://tengine.taobao.org/   相当牛x

  10. MP3/WAV 播放

    一.编译libmad  1.先下载压缩包到本地,并解压  tar -xvzf  libmad-0.15.1b.tar.gz   -C   ./ 2.进入源代码文件夹并配置 编写一个配置文件,便于< ...