Question

我有2个datanode服务器的nutch / hadoop。我尝试抓取一些网址，但是nutch因这个错误而失败：

Fetcher: segment: crawl/segments
Fetcher: org.apache.hadoop.mapred.InvalidInputException: Input path does not exist: hdfs://devcluster01:9000/user/nutch/crawl/segments/crawl_generate
    at org.apache.hadoop.mapred.FileInputFormat.listStatus(FileInputFormat.java:190)
    at org.apache.hadoop.mapred.SequenceFileInputFormat.listStatus(SequenceFileInputFormat.java:44)
    at org.apache.nutch.fetcher.Fetcher$InputFormat.getSplits(Fetcher.java:105)
    at org.apache.hadoop.mapred.JobClient.writeOldSplits(JobClient.java:810)
    at org.apache.hadoop.mapred.JobClient.submitJobInternal(JobClient.java:781)
    at org.apache.hadoop.mapred.JobClient.submitJob(JobClient.java:730)
    at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1249)
    at org.apache.nutch.fetcher.Fetcher.fetch(Fetcher.java:1107)
    at org.apache.nutch.fetcher.Fetcher.run(Fetcher.java:1145)
    at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65)
    at org.apache.nutch.fetcher.Fetcher.main(Fetcher.java:1116)

有人能帮助我吗？我不知道怎么解决这个问题！许多Thx！

Answer 1

nutch的生成阶段在segments目录中创建“crawl_generate”。它包含获取阶段中使用的获取列表。您得到的错误是因为获取阶段无法获取获取列表。确保生成的输出填充在fetch尝试查找它的位置。

Answer 2

验证nutch / crawl / segments / crawl_generate路径是否正确。

路径错误或解析阶段未完成。

Nutch Crawl错误 - 输入路径不存在

2 个答案: