我在aws ec2 ubuntu实例上有apache nutch 1.7和Elasticsearch 1.4.4。我使用Nutch抓取数据,但我们如何使用elasticsearch索引数据?没有与之相关的官方文档。
答案 0 :(得分:1)
在配置中启用elasticsearch索引器。将弹性索引器添加到插件linclude属性列表中。见下文:
<property>
<name>plugin.includes</name>
<value>protocol-http|urlfilter-regex|parse-(html|tika)|index-(basic|anchor)|indexer-elastic|scoring-opic|urlnormalizer-(pass|regex|basic)</value>
</property>
答案 1 :(得分:1)
在你的nutch-site.xml中添加以下属性:
<property>
<name>plugin.includes</name>
<value>protocol-http|urlfilter-regex|parse-(html|tika)|index-(basic|anchor)|indexer-elastic|scoring-opic|urlnormalizer-(pass|regex|basic)</value>
</property>
以上将使elasticsearch成为索引器。 以下是指定elasticsearch的主机
<property>
<name>elastic.host</name>
<value>localhost</value>
</property>
您可以设置的其他可选属性是elastic.port,elastic.cluster等。
现在您指定您已经抓取了数据,现在想要将其编入索引,因此您可以使用
./bin/nutch index <crawldb> -dir <segment_dir>
这将索引驻留在段中的所有已爬网数据。您可以检查文档的弹性搜索索引。