千家信息网

Nutch报错怎么办

发表于:2025-02-23 作者:千家信息网编辑
千家信息网最后更新 2025年02月23日,这篇文章主要介绍了Nutch报错怎么办,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。Indexer: java.io.IOExcept
千家信息网最后更新 2025年02月23日Nutch报错怎么办

这篇文章主要介绍了Nutch报错怎么办,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。

Indexer: java.io.IOException: Job failed!

环境:nutch2.8 local模式 solr服务正常

ParseSegment: finished at 2014-07-14 21:21:19, elapsed: 00:00:35CrawlDB updateCrawlDb update: starting at 2014-07-14 21:21:21CrawlDb update: db: crawl/crawldbCrawlDb update: segments: [crawl/segments/20140714190910]CrawlDb update: additions allowed: trueCrawlDb update: URL normalizing: falseCrawlDb update: URL filtering: falseCrawlDb update: 404 purging: falseCrawlDb update: Merging segment data into db.CrawlDb update: finished at 2014-07-14 21:21:30, elapsed: 00:00:09Link inversionLinkDb: starting at 2014-07-14 21:21:33LinkDb: linkdb: crawl/linkdbLinkDb: URL normalize: trueLinkDb: URL filter: trueLinkDb: internal links will be ignored.LinkDb: adding segment: crawl/segments/20140714190910LinkDb: merging with existing linkdb: crawl/linkdbLinkDb: finished at 2014-07-14 21:21:42, elapsed: 00:00:09Dedup on crawldbIndexing 20140714190910 on SOLR index -> http://192.168.122.104:8080/solrIndexer: starting at 2014-07-14 21:21:55Indexer: deleting gone documents: falseIndexer: URL filtering: falseIndexer: URL normalizing: falseActive IndexWriters :SOLRIndexWriter        solr.server.url : URL of the SOLR instance (mandatory)        solr.commit.size : buffer size when sending to SOLR (default 1000)        solr.mapping.file : name of the mapping file for fields (default solrindex-mapping.xml)        solr.auth : use authentication (default false)        solr.auth.username : use authentication (default false)        solr.auth : username for authentication        solr.auth.password : password for authenticationIndexer: java.io.IOException: Job failed!        at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1357)        at org.apache.nutch.indexer.IndexingJob.index(IndexingJob.java:114)        at org.apache.nutch.indexer.IndexingJob.run(IndexingJob.java:176)        at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65)        at org.apache.nutch.indexer.IndexingJob.main(IndexingJob.java:186)

解决方法:

1、查看nutch日志发现是nutch在向solr请求的时候有Bad Request导致的

2、查看solr日志(在solr的web页面上的logging)中查看找到org.apache.solr.common.SolrException: ERROR: [doc=http://18.ifeng.com/] unknown field 'anchor'

3、从2中可以看出是缺少叫做'anchor'的field,那么在solr的solr/collection1/conf/schema.xml文件中增加'anchor'字段

No agents listed in 'http.agent.name' property

原因:$NUTCH_HOME/conf/nutch-site.xml中没有设置http.agent.name值,nutch较新版本(TODO:确切版本待考证)中这个值为空的话就会报这个错误。

解决:这个值其实就是User-Agent值,可以填写浏览器UA值以达到伪装成浏览器访问的目的。注意!填写后需使用ant重新编译才能生效。

感谢你能够认真阅读完这篇文章,希望小编分享的"Nutch报错怎么办"这篇文章对大家有帮助,同时也希望大家多多支持,关注行业资讯频道,更多相关知识等着你来学习!

0