索引 nutch 抓取的 solr 数据时出错
Posted
技术标签:
【中文标题】索引 nutch 抓取的 solr 数据时出错【英文标题】:Error while indexing in solr data crawled by nutch 【发布时间】:2012-11-05 22:32:41 【问题描述】:我已经开始使用 nutch 和 solr,但在将 Solr 与 Nutch 集成时遇到了问题。我遵循了本教程:http://wiki.apache.org/nutch/NutchTutorial 并在使用后:
bin/nutch crawl urls -solr http://localhost:8983/solr/ -depth 3 -topN 5
nutch 显示消息:
java.io.IOException:作业失败!
并且 solr 正在显示:
严重:org.apache.solr.common.SolrException:错误: [doc=http://nutch.apache.org/] 未知字段“主机”
我认为原因可能是 $SOLR_HOME/example/solr/conf/schema.xml 中缺少“主机”字段,但它确实存在。 非常感谢您的帮助。
【问题讨论】:
您是否将 Nutch 架构复制到 SOLR? cp $NUTCH_RUNTIME_HOME/conf/schema.xml $APACHE_SOLR_HOME/example/solr/conf/ 检查主机是否在模式中定义。停止 Solr。删除数据目录。启动 Solr。再试一次。 好的,我必须在 $APACHE_SOLR_HOME/example/solr/collection1/conf 中定义这个字段,现在可以工作了。感谢您的帮助。 请将答案添加为答案,并将此问题标记为“已回答”。 【参考方案1】:在 Nutch 端更改配置不会影响 Solr 的架构。您必须在 Solr 的 schema.xml 中定义该字段。
【讨论】:
以上是关于索引 nutch 抓取的 solr 数据时出错的主要内容,如果未能解决你的问题,请参考以下文章
Apache Nutch、HBase、Hadoop、Solr、Gora 的困惑
全文索引-lucene,solr,nutch,hadoop之nutch与hadoop