索引 nutch 抓取的 solr 数据时出错

Posted 2023-02-23

【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。