这类似于solr5.3.15-nutch here，但有一些额外的皱纹。首先，作为背景，我尝试了solr 4.9.1和nutch没有问题。然后升级到solr 6.0.1。集成作为一个独立的工作很好，并得到后端代码解析json等。但是，最终，我们需要安全性，并且不想使用Kerberos。根据Solr安全文档，基本的auth和基于规则的auth（这是我们想要的）仅在云模式下工作（顺便说一句，如果有人建议让非Kerberos安全性在独立模式下工作，那么它将起作用好）。所以，通过Solr-Cloud-Ref的文档，使用交互式启动并获取所有默认值，除了我作为＆＃34; nndcweb＆＃34;的集合的名称。而不是＆＃34;开始＆＃34;。我采取的配置是 data_driven_schema_configs 。为了整合nutch，我做了许多尝试的排列。根据我迄今为止能够找到的内容，我只会给出最近的两个似乎最接近的内容。从早期的堆栈溢出引用，我尝试的最后一个是（注意所有URL都有http：//，但Stackoverflow的发布系统是抱怨，所以我为了这篇文章把它们拿出来）：
bin / nutch index crawl / crawldb -linkdb crawl / linkdb -D solr.server.url = localhost：8939 / solr / nndcweb / -Dsolr.server.type = cloud -D solr.zookeeper.url = localhost：9983 / -dir crawl / segments / * -normalize
我最后遇到了上一个提到的线程中提到的问题：即
线程中的异常＆＃34; main＆＃34; java.lang.IllegalArgumentException：java.net.URISyntaxException：索引15处的方案名称中的非法字符：solr.server.url = localhost：8939 / solr / nndcweb 在org.apache.hadoop.fs.Path.initialize（Path.java:206） 在org.apache.hadoop.fs.Path。（Path.java:172） 在org.apache.nutch.indexer.IndexingJob.run（IndexingJob.java:217） 在org.apache.hadoop.util.ToolRunner.run（ToolRunner.java:70） 在org.apache.nutch.indexer.IndexingJob.main（IndexingJob.java:231） 引起：java.net.URISyntaxException：索引15处的方案名称中的非法字符：solr.server.url = localhost：8939 / solr / nndcweb 在java.net.URI $ Parser.fail（URI.java:2848） 在java.net.URI $ Parser.checkChars（URI.java:3021） 在java.net.URI $ Parser.parse（URI.java:3048） 在java.net.URI。（URI.java:746） 在org.apache.hadoop.fs.Path.initialize（Path.java:203）
我也尝试过：
bin / nutch solrindex localhost：8983 / solr / nndcweb crawl / crawldb -linkdb crawl / linkdb -Dsolr.server.type = cloud -D solr.zookeeper.url = localhost：9983 / -dir crawl / segments / * - 正常化
并得到同样的东西。在solrindex上提供帮助表示使用-params和＆＃34;＆amp;＆＃34;分离选项（与使用-D相反）。但是，这只会告诉我的Linux系统尝试在后台运行一些奇怪的东西，当然。
有人对下一步尝试有什么建议吗？谢谢！
更新 我更新了上面使用的命令，以反映我所犯的一个愚蠢的错误。请注意，实际上，所有url引用都有http：//前缀，但我必须将它们取出才能发布。尽管有这个问题，但我仍然得到了同样的例外（我用它来取代原来的一个例子，再次使用http：// cut out..which会让事情变得混乱......对不起关于那......）。
又一次更新 所以..这很有趣。使用solrindex选项，我只是从zookeeper url ..just localhost（带有http：//前缀）中取出端口。 15个字符。 URISyntaxException表示问题出在索引18（来自org.apache.hadoop.fs.Path.initialize（Path.java:206））。这恰好匹配＆＃34; =＆＃34;在＆＃34; solr.zookeeper.url =＆＃34;。所以，似乎hadoop.fs.Path.intialize（）将整个字符串作为url。那么也许我没有正确设置？或者这是hadoop中的一个错误？这很难相信。
几乎有更新 好了......给出了最后一次尝试的结果，我决定将solr.type of cloud和zookeeper.url放在nutch-site.xml配置文件中。然后做了：
bin / nutch solrindex http://localhost:8983/solr/nndcweb crawl / crawldb -linkdb crawl / linkdb -dir crawl / segments -normalize
（很棒..现在没有关于来自StackOverflow的网址的投诉）。没有uri例外了。现在，我得到的错误是：
（在顶部削减措辞）
Indexing 250 documents
Indexer: java.io.IOException: Job failed!
at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:836)
at org.apache.nutch.indexer.IndexingJob.index(IndexingJob.java:145)
at org.apache.nutch.indexer.IndexingJob.run(IndexingJob.java:222)
at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:70)
at org.apache.nutch.indexer.IndexingJob.main(IndexingJob.java:231)
深入研究nutch日志，我看到以下内容：
请求时未指定Collection Param，并且未设置默认集合。
显然，Nutch邮件列表中提到了这一点，与Nutch 1.11和solr 5（云模式）有关。有人提到它不会起作用，但会上传补丁（这是在2016年1月回来的）。在荷兰开发网站上挖掘，我在这个问题上没有遇到过任何问题......对于nutch 1.13来说有点类似，这显然没有正式发布。还在挖掘，但如果有人真的以某种方式工作，我很想听听你是怎么做的..
编辑2016年7月12日
因此，在几个星期转移到另一个不相关的项目后，我回到了这个。在看到下面的S. Doe的回复之前，我决定尝试给ElasticSearch一个尝试......这是一个全新的项目，我们还没有任何关系。到现在为止还挺好。 Nutch正在使用它，尽管使用分布式二进制文件我必须将Elasticsearch版本降低到1.4.1。 Haven尚未尝试安全方面。出于好奇，我将最终尝试使用Solr的S. Doe的建议，并将发布后来的内容......
答案 0 :(得分：1)
您没有指定连接到Solr的协议：您需要指定http://的{{1}}部分，并且您使用了错误的语法来指定要连接的端口，正确的URL应该是是：solr.server.url。
答案 1 :(得分：1)
关于使用solr索引时URL的问题：我遇到了同样的问题，我知道这听起来很愚蠢但是由于某些原因我无法获得，你可以通过使用URL的Encode来修复它（将“：”替换为“ ％3A“，”/“与”％2F“和......）相反。（至少对我来说这解决了这个问题。） 在你的情况下：
bin / nutch solrindex -D solr.server.url = http％3A％2F％2Flocalhost％3A8983％2Fsolr％2Fnndcweb crawl / crawldb -linkdb crawl / linkdb -dir crawl / segments -normalize
我希望它有所帮助。 顺便说一句，现在我遇到了和你一样的问题（索引器：java.io.IOException：作业失败了！）