fengjiaoan

摘要： 最近搭建nutch和solr，nutch运行时用-solr参数，使用solr作为索引。但是按照安装的一些方法搭建好环境以后，nutch可以单独运行，solr也可以单独正常运行。但是nutch向solr发送的时候出现空指针异常。查看错误提示发现时batchId是空值导致的。最后在crawler.java中添加了Nutch.AGR_BATCH的值，这个值是-all。根据solr运行的提示：Usage: SolrIndexerJob ( | -all | -reindex) [-crawlId ]，可见可以用-all替换batchId。修改后，可以正常用solr索引了。 if (sol... 阅读全文

摘要： 最近搭建了nutch2.2.1+mysql+solr4.5分布式环境。遇到了mysql的保存的问题，导致hadoop异常退出。1、前面的博客介绍过mysql的配置，需要修改gora.property等配置。具体可以参考前面的博客。运行少量抓取的时候没有发现问题，可以正常保存。但是抓了一些发现出现了异常。即使我们已经改成utf8的编码还是出现这样的错误Incorrect string value: '\xF0\x90\x8D\x83\xF0\x90...' for column 如下图：参考了一些博客：MySQL'sutf8permits only the Unicode 阅读全文

摘要： 1、首先搭建好hadoop环境，具体过程不详细说了，网上的教程很多。2、下载nutch，在其目录下面运行ant，将会产生runtime目录。然后配置nutch-site.xml等文件，可以参考http://wiki.apache.org/nutch/NutchHadoopTutorial。注意的是runtime下面有一个local目录和一个deploy目录，一般博客写的都是在local目录下面运行的，这个是单机运行。而deploy目录下面运行是分布式运行。3、nutch连接数据库mysql。只是需要修改几个配置文件即可，还要注意编码问题。4、分布式下面运行nutch。是在deploy目录下面运 阅读全文

摘要： 1、首先下载jetty8.1，用于昨晚solr的容器。2、然后下载solr4.1　1）ant ivy-bootstrap 这是安装ivy。 2）运行ant compile　3）进入solr的子目录solr 运行ant dist。编译成功后，会在solr下面生成solr-4.1-SNAPSHOT.war，改名为solr.war后复制到jetty/webapps里面。修改jetty/etc/jetty.xml port由8080变成8983。将solr4.1.0/example/contexts/solr.xml 放到jetty下面contexts目录里。在jetty目录下创建solr 目录。将s 阅读全文

摘要： gora的编码导致nutch的结果不能保存到数据库，错误显示如下：通过查看log，显示如下错误解决方案：将数据库中id的编码修改： 阅读全文

摘要： 主要是希望将nutch导入eclipse，方便调试。主要参考的资料有http://wiki.apache.org/nutch/RunNutchInEclipse。http://blog.csdn.net/amelia9/article/details/8568684。开始一直没找到好的参考资料。非常感谢上面两个博客。1、在cygwin下首先运行了ant eclipse，build成功，如下图2、在eclipse下面打开nutch2.2.1，主要遇到plugin的问题以及权限的问题。这些参考上面的资料都可以解决。3、在eclipse中用ant编译nutch，编译成功。4、设置运行参数，如下图所示 阅读全文

摘要： 下载mysql 5.1 源码包，解压后，放到/usr/local目录下1、./configure2、make出现的错误主要有： 1）make[2]: *** [do_abi_check] Error 127解决方法：编辑Makefile，查找do_abi_check: 将do_abi_check: 后到done 都删除，保存。重新make，又出现错误： 2）readline/readline.h:70:29: sys/ttydefaults.h: No such file or directory 解决方法：编辑当前目录下的cmd-line-utils/libedit/readline/r.. 阅读全文

摘要： 之前接触过一些爬虫的东西，主要是编写脚本，爬取网页上想要的信息。最近了解了一个开源搜索引擎，这几天主要配置。遇到了一些问题。下面介绍一下安装的流程：1、安装cygwin，主要用于window下提供linux的环境。具体安装过程可以参考http://hi.baidu.com/www100/item/b79723f239cf9449932af29f。注意选择需要的工具包。2、cygwin中安装ssh，最好配置为不需要密码即可登陆。3、下载hadoop1.2.1，安装jdk，配置好环境变量。注意路径下有空格的时候，配置的时候要注意。可以参考http://blog.csdn.net/liu_jas.. 阅读全文

摘要： 一直想把自己学习的东西记录下来，总是忘记，以后要养成习惯记录自己的学习心得。加油哦！ 时间过得真快，转眼间又是一年十一。自从保研来到实验室已经两年了，忙忙碌碌，却没有记录下来一些东西。师兄师姐找工作已经一个月了，有的签完了，有的没签。明年9月份自己也要找工作了，应该学着整理一下自己所学的知识。学会推荐自己，争取明年找到称心如意的工作。 阅读全文