标签： solr hdfs cloudera flume
我已使用命令hadoop fs -put将数据加载到HDFS中。数据包含丰富的文档，如PDF，doc和文本文件。我如何索引这些数据，以便我能够在Solr中查询它？
答案 0 :(得分：0)
使用apache Tika。它的创建是为了从丰富的文件格式（如pdf或doc）中提取文本和元数据。 Solr附带了包含tika的jar，所以你需要做的就是快速查看使用jar作为命令行实用程序的说明，你可以去：http://tika.apache.org/1.5/gettingstarted.html