點擊下載
本文文檔

當前位置：首頁 - 科技 - 知識百科 - 正文

Ubuntu12.04+Nutch2.2.1+MySQL配置筆記

來源：懂視網責編：小采時間：2020-11-09 15:42:23

Ubuntu12.04+Nutch2.2.1+MySQL配置筆記

Ubuntu12.04+Nutch2.2.1+MySQL配置筆記:日期：2013/10/13 系統：Ubuntu12.04LTS JDK ：1.7.0_21 Nutch ：2.2.1 MySQL ：5.5.32 -----------------------------------------------------------------------------------------------------

推薦度：

點擊下載本文 文檔為doc格式

導讀Ubuntu12.04+Nutch2.2.1+MySQL配置筆記:日期：2013/10/13 系統：Ubuntu12.04LTS JDK ：1.7.0_21 Nutch ：2.2.1 MySQL ：5.5.32 -----------------------------------------------------------------------------------------------------

日期：2013/10/13 系統：Ubuntu12.04LTS JDK ：1.7.0_21 Nutch ：2.2.1 MySQL ：5.5.32 ------------------------------------------------------------------------------------------------------------------------------------------------------------

日期：2013/10/13

系統：Ubuntu12.04LTS

JDK：1.7.0_21

Nutch：2.2.1

MySQL：5.5.32

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pre1：安裝配置OracleJDK

Pre2：安裝配置MySQL sudo apt-get install mysql-server,mysql-client

Pre3：安裝配置Apache Ant sudo apt-get install ant

Start：Ubuntu下搭建Nutch2.2.1，并以MySQL作為數據庫，UTF-8為默認編碼綜合配置

Step1：MySQL配置

首先編輯 /etc/mysql/my.cnf 文件在[mysqld]下面添加以下內容：

innodb_file_format=barracuda
innodb_file_per_table=true
innodb_large_prefix=true
character-set-server=utf8
collation-server=utf8mb4_unicode_ci
max_allowed_packet=500M

然后創建數據庫與數據表：

CREATE DATABASE nutch DEFAULT CHARACTER SET utf8mb4 DEFAULT COLLATE utf8;

CREATE TABLE `webpage` (
`id` varchar(767) NOT NULL,
`headers` blob,
`text` mediumtext DEFAULT NULL,
`status` int(11) DEFAULT NULL,
`markers` blob,
`parseStatus` blob,
`modifiedTime` bigint(20) DEFAULT NULL,
`score` float DEFAULT NULL,
`typ` varchar(32) CHARACTER SET latin1 DEFAULT NULL,
`batchId` varchar(32) CHARACTER SET latin1 DEFAULT NULL, 
`baseUrl` varchar(767) DEFAULT NULL,
`content` longblob,
`title` varchar(2048) DEFAULT NULL,
`reprUrl` varchar(767) DEFAULT NULL,
`fetchInterval` int(11) DEFAULT NULL,
`prevFetchTime` bigint(20) DEFAULT NULL,
`inlinks` mediumblob,
`prevSignature` blob,
`outlinks` mediumblob,
`fetchTime` bigint(20) DEFAULT NULL,
`retriesSinceFetch` int(11) DEFAULT NULL,
`protocolStatus` blob,
`signature` blob,
`metadata` blob,
PRIMARY KEY (`id`)
) ENGINE=InnoDB
ROW_FORMAT=COMPRESSED
DEFAULT CHARSET=utf8;

注：表中的字段根據nutch的conf文件“gora-sql-mapping”進行設置。同時也可通過自動方式生成數據庫和表：配置好“gora-sql-mapping”、“gora.properties”及其它文件后，首次通過運行”bin/nutchinject urls”即可自動生成數據庫和表，不過或許在自動生成的時候你會遇到問題，不過沒有關系，通過及時查看hadoop.log文件你便會發現很多問題（如下圖之一）與MySQL支持的數據類型、數據長度有關，只需要根據日志提示做修改、調試（可借助navicat工具像SQLServer方便操作數據庫），然后再重復自動生成過程，直到成功為止。

Step2：Nutch配置

獲取Nutch2.2.1，從官網http://www.apache.org/dyn/closer.cgi/nutch/下載，然后解壓至本地安裝目錄，如本地根目錄為${APACHE_NUTCH_HOME}

配置nutch對mysql的支持，修改${APACHE_NUTCH_HOME}/ivy/ivy.xml文件

將以下行的注釋取消：

default”/>

修改以下行：

為：

Step3：數據庫連接配置

編輯${APACHE_NUTCH_HOME}/conf/gora.properties文件，注釋掉默認的數據庫連接配置，同時添加以下配置內容：

###############################
# MySQL configure #
###############################
gora.sqlstore.jdbc.driver=com.mysql.jdbc.Driver
gora.sqlstore.jdbc.url=jdbc:mysql://localhost:3306/nutch?createDatabaseIfNotExist=true
gora.sqlstore.jdbc.user=xxxx（MySQL用戶名）
gora.sqlstore.jdbc.password=xxxx（MySQL密碼）

Step4：數據表映射配置

修改${APACHE_NUTCH_HOME}/conf/gora.properties文件，這里的修改建議按照前面介紹的自動生成數據表的方法進行修改，網上說的要將primarykey的長度從512修改成767，即：

改：為：

Step5：nutch-site.xml配置

添加以下配置：


	http.agent.name
	Your Nutch Spider


	http.accept.language
	zh-cn, en-us,en-gb,en;q=0.7,*;q=0.3
	*


	parser.character.encoding.default
	utf-8
	*


	storage.data.store.class
	org.apache.gora.sql.store.SqlStore
	*

特別需要注意，本人在配置過程中也遇到了：

java.lang.NullPointerException 
at org.apache.avro.util.Utf8.(Utf8.java:37) 
at org.apache.nutch.crawl.GeneratorReducer.setup(GeneratorReducer.java:100) 
at org.apache.hadoop.mapreduce.Reducer.run(Reducer.java:174) 
at org.apache.hadoop.mapred.ReduceTask.runNewReducer(ReduceTask.java:649) 
at org.apache.hadoop.mapred.ReduceTask.run(ReduceTask.java:418) 
at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:398)

解決辦法就是在上述文件中另外添加一個屬性：



 generate.batch.id

 *

Step6：使用ant 構建Nutch

(關于ant的命令，這里就不說明了),只需要切換到${APACHE_NUTCH_HOME}下執行ant clean 然后ant 即可。構建完畢后會在${APACHE_NUTCH_HOME}目錄下生成runtime 文件夾。

Step：7 網頁抓取，種子配置

創建種子文件

cd${APACHE_NUTCH_HOME}/runtime/local 
mkdir -p urls 
echo 'http://www.sina.com.cn' > urls/seed.txt
echo 'http://www.ifeng.com' > urls/seed.txt

執行爬取操作

bin/nutchcrawl urls -depth 5 -topN 10

至此，已經完成了基本的配置。

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com

Ubuntu12.04+Nutch2.2.1+MySQL配置筆記

推薦度：

點擊下載本文 文檔為doc格式

標簽：筆記 ubuntu mysql

熱門焦點

国产99久久精品_欧美日本韩国一区二区_激情小说综合网_欧美一级二级视频_午夜av电影_日本久久精品视频

Ubuntu12.04+Nutch2.2.1+MySQL配置筆記

Ubuntu12.04+Nutch2.2.1+MySQL配置筆記

Ubuntu12.04+Nutch2.2.1+MySQL配置筆記

最新推薦

猜你喜歡

熱門推薦