我有两台机器集群。在一台机器上配置nutch并在第二个hbase和hadoop上配置。 hadoop处于完全分布式模式，hbase处于伪分布式模式。我已经抓取了大约280GB的数据。但现在我开始爬行了。它提供了以下消息，并且不再在上一个表中抓取
INFO mapreduce.GoraRecordReader - gora.buffer.read.limit = 10000 INFO crawl.FetchScheduleFactory - 使用FetchSchedule impl：org.apache.nutch.crawl.DefaultFetchSchedule
并关注错误
错误store.HBaseStore - [Ljava.lang.StackTraceElement; @ 7ae0c96b
提取文档，但它们不会保存在hbase中。 但是，如果我在新表中抓取数据，它可以正常运行并且可以正常爬网而不会出现任何错误。我认为这不是一个连接问题，因为它有效的新表。我认为这是一些财产等因素。
任何人都可以指导我，因为我不是apache nutch的专家吗？
答案 0 :(得分：0)
不完全是我的领域，但看起来就像底层机器上的线程耗尽。
答案 1 :(得分：0)
因为我也面临着类似的问题。实际问题是regionserver（Hbase deamon）。因此，当与默认seeting一起使用时，尝试重新启动它，因为hbase中的数据太多了。有关更多信息，请参阅regionserver的日志文件。