设为首页 收藏本站
查看: 1125|回复: 0

搭建Hadoop2.6+Hbase0.98.6+Nutch2.3环境

[复制链接]
发表于 2015-11-11 13:48:08 | 显示全部楼层 |阅读模式
  **
编译Nutch并抓取网页
  **
1、修改ivy/ivy.xml   


<dependency org="org.apache.gora" name="gora-core" rev="0.6" conf="*->default"/>
<!---->//取消该注释
<dependency org="org.apache.gora" name="gora-hbase" rev="0.6" conf="*->default" />
<dependency org="org.apache.gora" name="gora-compiler-cli" rev="0.6" conf="*->default"/>
<dependency org="org.apache.gora" name="gora-compiler" rev="0.6" conf="*->default"/>
将hadoop1.2相关的去掉,然后添加:
<dependency org="org.apache.hadoop" name="hadoop-client" rev="2.6.0" conf="*->default"/>
  2、修改ivysetting.xml
编译时部分jar包不能下载,需要修改如下配置。


<property name="repository.apache.org" value="http://maven.restlet.org/" override="false"/>
  3、修改nutch-site.xml


<configuration>
<property>  
<name>storage.data.store.class</name>  
<value>org.apache.gora.hbase.store.HBaseStore</value>  
<description>Default class for storing data</description>  
</property>  
<property>  
<name>http.agent.name</name>  
<value>My Nutch Spider</value>  
</property>
<property>
<name>io.serializations</name>
<value>org.apache.hadoop.io.serializer.WritableSerialization</value>
<description>A list of serialization classes that can be used for
obtaining serializers and deserializers.</description>
</property>
</configuration>
  4、修改gora.properties


gora.datastore.default=org.apache.gora.hbase.store.HBaseStore
  5、编译


ant runtime
  6、添加缺失jar包

拷贝commons-compress-1.9.jar,vorbis-java-core-0.6.jar,nekohtml-1.9.13.jar到/runtime/local/lib/下
  7、创建seek文件

在/runtime/local/下创建urls文件夹,并创建seek.txt,内容为:
http://nutch.apache.org/
  8、上传urls文件夹到HDFS


hadoop fs -copyFromLocal urls .
  9、抓取网页

bin/crawl seed crawl 5
  10、查看HBase数据库


scan 'crawl_webpage'

常见问题
  1、**org.apache.avro.io.BinaryDecoder.ensureBounds(BinaryDecoder.java:473)问题
nutch-site.xml新增配置**


<property>
<name>io.serializations</name>
<value>org.apache.hadoop.io.serializer.WritableSerialization</value>
<description>A list of serialization classes that can be used for
obtaining serializers and deserializers.</description>
</property>

版权声明:本文为博主原创文章,未经博主允许不得转载。

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-137942-1-1.html 上篇帖子: Dell与Cloudera 共推Hadoop 解决方案 下篇帖子: 在OS X中安装配置Hadoop 2.7.0
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表