设置和运行 apache nutch 2.2.1答案

【问题标题】：setting up and running apache nutch 2.2.1设置和运行 apache nutch 2.2.1
【发布时间】：2014-12-09 08:27:01
【问题描述】：

我正在尝试在我的 ubuntu 桌面上设置和运行 apache nutch 2.2.1。作为一个新手，我发现官网给出的教程的某些部分有些混乱。

如果我要在自己的桌面上运行它，转到
```
$NUTCH_HOME/runtime/local 
```

运行 bin/nutch 命令？

我应该把名为 urls 的文件放在哪里？（其中有一个种子列表seed.txt）是不是在
```
$NUTCH_HOME/runtime/local
```

如果我在正确的目录中，我在执行命令时遇到了这个问题

bin/nutch crawl urls -dir crawl -depth 1

InjectorJob：使用类 org.apache.gora.memory.store.MemStore 作为 Gora 存储类。 InjectorJob：过滤器拒绝的网址总数：0 InjectorJob：归一化过滤后注入的url总数：0 线程“主”java.lang.RuntimeException 中的异常：作业失败：name=generate：null，jobid=job_local1613558008_0002 在 org.apache.nutch.util.NutchJob.waitForCompletion(NutchJob.java:54) 在 org.apache.nutch.crawl.GeneratorJob.run（GeneratorJob.java:199）在 org.apache.nutch.crawl.Crawler.runTool(Crawler.java:68) 在 org.apache.nutch.crawl.Crawler.run（Crawler.java:152）在 org.apache.nutch.crawl.Crawler.run（Crawler.java:250）在 org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65) 在 org.apache.nutch.crawl.Crawler.main(Crawler.java:257)

我正在关注教程 1 http://wiki.apache.org/nutch/NutchTutorial 直到 3.3 并且尚未配置 GORA Hbase 等。似乎出现此问题是因为注入器没有获取 url。有谁知道如何解决这个问题？非常感谢！

【问题讨论】：

对于 Nutch 2.2.1，您必须遵循 Nutch 2.x 的教程：wiki.apache.org/nutch/Nutch2Tutorial

标签： apache hbase nutch gora

【解决方案1】：

你应该去$NUTCH_HOME/runtime/deploy运行命令

【讨论】：

【解决方案2】：

如果您想与 GORA 和 Hbase 集成，请在 Nutchsite.xml 中提及这一点

 <property>
        <name>storage.data.store.class</name>
        <value>org.apache.gora.hbase.store.HBaseStore</value>
        <description>Default class for storing data</description>
    </property>

【讨论】：

不太清楚您的建议或您在这里回答的问题的哪一部分，您能否编辑此答案以提供更多详细信息？