![](/img/trans.png)
[英]Why does my Apache Nutch warc and commoncrawldump fail after crawl?
[英]Why does Apache Nutch clean job fails with Apache Solr in cloud mode
我正在嘗試在雲模式下使用 Apache Solr 7.6.0 設置 Apache Nutch 1.15。 爬行腳本 ( nutch/bin/crawl
) 工作正常,直到清理作業 ( CleaningJob.java
) 開始。 然后它無緣無故地失敗( reason: NA
)。
我已經成功設置了相同版本的 Nutch 和 Solr,但 Sorl 處於獨立模式。
我使用以下命令在雲模式下啟動 Solr:
solr/bin/solr start -cloud -p 8983 -s "solr/cloud/node1/solr"
solr/bin/solr start -cloud -p 7574 -s "solr/cloud/node2/solr" -z localhost:9983
我正在使用以下命令開始抓取過程:
nutch/bin/crawl -i -s nutch/urls/ --num-threads 400 --hostdbupdate --hostdbgenerate --num-tasks 16 --sitemaps-from-hostdb once niche-crawl 8
它在清潔工作中失敗。 :
nutch/bin/nutch clean niche-crawl/crawldb
有一個例外:
No exchange was configured. The documents will be routed to all index writers.
SolrIndexer: deleting 1000/1000 documents
SolrIndexer: deleting 1000/1000 documents
ERROR CleaningJob: java.lang.RuntimeException: CleaningJob did not succeed, job status:FAILED, reason: NA
at org.apache.nutch.indexer.CleaningJob.delete(CleaningJob.java:169)
at org.apache.nutch.indexer.CleaningJob.run(CleaningJob.java:197)
at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:70)
at org.apache.nutch.indexer.CleaningJob.main(CleaningJob.java:208)
這是我在雲模式下用於 Solr 的index-writers.xml
:
<writer id="indexer_solr_1" class="org.apache.nutch.indexwriter.solr.SolrIndexWriter">
<parameters>
<param name="type" value="cloud"/>
<param name="url" value="http://localhost:8983/solr"/>
<param name="collection" value="nutch"/>
<param name="weight.field" value=""/>
<param name="commitSize" value="1000"/>
<param name="auth" value="true"/>
<param name="username" value="solr"/>
<param name="password" value="password"/>
</parameters>
<mapping>
<copy>
<!-- <field source="content" dest="search"/> -->
<!-- <field source="title" dest="title,search"/> -->
</copy>
<rename>
<field source="metatag.description" dest="description"/>
<field source="metatag.keywords" dest="keywords"/>
</rename>
<remove>
<field source="segment"/>
</remove>
</mapping>
</writer>
嘗試升級到 Nutch 1.16 版。 這聽起來像是一個已知的錯誤https://issues.apache.org/jira/browse/NUTCH-2731已在 1.16 中修復,請參閱https://apache.org/dist/nutch/1.16/CHANGES.txt
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.