Nutch1.0 Ui启动在tomcat中的配置

<!-- @page { margin: 2cm } P { margin-bottom: 0.21cm } A:link { so-language: zxx } -->

1 、下载 nutch-1.0.tar.gz. http://apache.etoak.com/lucene/nutch/

2 、解压缩 nutch-1.0.tar.gz, 放在自己熟悉的目录下面，比如 workspace.

3 、解压完后会有一个目录： webapps. 这个目录是 hadoop 自己所对应的页面。

datanode 、 hdfs 、 job 、 secondary 、 static 、 task

4 、下载 tomcat 。 5.5 版本以上的都行，然后进行配置。 Sudo gedit /etc/profile 配置你的 JAVA_HOME 、 TOMCAT_HOME.

5 、打开 tomcat 的 conf/server.xml 。配置一个虚拟的目录

<Context path="/crawl" docBase="/home/user/tools/nutch-1.0/webapps/task/" reloadable="true" debug="0"/>

6 、在 task 的目录下面就可有写 jsp 页面了。在 task 下有一个 WEB-INF. 在它下面建立一个 classes 文件夹。这里面主要放的是 .class 和 lib.

7 、 nutch 所编译生成的 .class 文件和所需要的 lib 都要拷贝到 /WEB-INF/classes/.

8 、最主要的是在 nutch1.0 的目录下面有一个 plugins 。这个也要放在 /WEB-INF/classes/.

9 、同时拷贝完了还不行，因为还没有做一些其它的相应配置：

<a> ： hadoop-env.sh 改变 JAVA_HOME.

<b> ： crawl-urlfilter.txt 改变抓取的 URL.

<c> ： regex-urlfilter.txt 屏蔽 URL 的后缀 .

<d> ：所拷贝的 plugins 文件目录需和 nutch-default.xml 放在同一目录下面，如果不是需要改变 nutch-default.xml 中配置 plugin 的路径。

要不然会报 plugin.floders not find 等错误。

10 、因为我们是在页面来启动 nutch 的，当然 nutch 所抓取的页面得有存放位置。目前我是放在 /tomcat/bin/ : 在这个目录下面我建立了

myUrls ---- > url.txt -----> http://www.163.com/

crawl : 存放抓取完后页面存放路径。

11 、页面的部分就很简单了。两个输入框 ： dept 、 topN. 如果想加 thread ，也可以。然后就是提交。可以是一个 jsp 也可以是一个 servlet.( 注意要把所编译 的 .class 文件放到 /WEB-INF/classes/).

12 、打开浏览器启动下试试。不报错说明它已经启动了，或者是去 tomcat/bin/crawl/ 看看有没有东东。

评论

2 楼 p_x1984 2009-12-26  

这个公司还目前在测试呢！

1 楼 comsci 2009-12-26  

很感谢楼主。。。
不知道NUTCH如果在多台机器上面并行运行，会有什么效果