為什么 Apache Nutch 清理作業在雲模式下使用 Apache Solr 失敗

Question

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>

Answer 1

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