【问题标题】:Crawling using Nutch...Shows an IOException [closed]使用 Nutch 爬行...显示 IOException [关闭]
【发布时间】:2012-06-22 22:27:10
【问题描述】:

我已经开始使用 Nutch,一切都很好,直到遇到 IOException 异常,

$ ./nutch crawl urls -dir myCrawl -depth 2 -topN 4
cygpath: can't convert empty path
solrUrl is not set, indexing will be skipped...
crawl started in: myCrawl
rootUrlDir = urls
threads = 10
depth = 2
solrUrl=null
topN = 4
Injector: starting at 2012-06-23 03:37:51
Injector: crawlDb: myCrawl/crawldb
Injector: urlDir: urls
Injector: Converting injected urls to crawl db entries.
Exception in thread "main" java.io.IOException: Failed to set permissions of path: \tmp\hadoop-Rahul\mapred\staging\Rahul255889423\.staging to 0700
    at org.apache.hadoop.fs.FileUtil.checkReturnValue(FileUtil.java:682)
    at org.apache.hadoop.fs.FileUtil.setPermission(FileUtil.java:655)
    at      org.apache.hadoop.fs.RawLocalFileSystem.setPermission(RawLocalFileSystem.java:509)
    at org.apache.hadoop.fs.RawLocalFileSystem.mkdirs(RawLocalFileSystem.java:344)
    at org.apache.hadoop.fs.FilterFileSystem.mkdirs(FilterFileSystem.java:189)
    at org.apache.hadoop.mapreduce.JobSubmissionFiles.getStagingDir(JobSubmissionFiles.java:116)
    at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:856)
    at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:850)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:415)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1083)
    at org.apache.hadoop.mapred.JobClient.submitJobInternal(JobClient.java:850)
    at org.apache.hadoop.mapred.JobClient.submitJob(JobClient.java:824)
    at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1261)
    at org.apache.nutch.crawl.Injector.inject(Injector.java:217)
    at org.apache.nutch.crawl.Crawl.run(Crawl.java:127)
    at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65)
    at org.apache.nutch.crawl.Crawl.main(Crawl.java:55)

@jeffery --- 我降级了我的 nutch 版本 n 遇到了一个新问题,这超出了我的理解范围...... 请帮忙....

$ ./nutch crawl urls -dir myCrawl -depth 4 -topN 5
cygpath: can't convert empty path
solrUrl is not set, indexing will be skipped...
crawl started in: myCrawl
root UrlDir = urls
threads = 10
depth = 4
solrUrl=null
topN = 5
Injector: starting at 2012-06-23 22:30:28
Injector: crawlDb: myCrawl/crawldb
Injector: urlDir: urls
Injector: Converting injected urls to crawl db entries.
Exception in thread "main" java.io.IOException: Job failed!
    at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1252)
    at org.apache.nutch.crawl.Injector.inject(Injector.java:217)
    at org.apache.nutch.crawl.Crawl.run(Crawl.java:127)
    at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65)
    at org.apache.nutch.crawl.Crawl.main(Crawl.java:55)

这是什么问题???

【问题讨论】:

标签: java open-source web-crawler nutch ioexception


【解决方案1】:

几天前我也遇到了这个问题。较新版本的 Hadoop 在与 Windows 交互方面存在问题。您可以切换到 *nix 平台(您可能应该这样做,几乎所有对 Nutch 的支持都针对 *nix 用户)或降级您的 Nutch 版本。我发现在 Windows Server 2008 上工作的最新版本的 Nutch 是1.2。

【讨论】:

  • thnx 获取信息....如果我在 windows 下将版本降级到 1.2,与使用最新版本的 nutch 在 linux 环境下工作相比,它会受到任何限制吗???
  • @prafulbagai 您将没有任何新功能。所有官方教程都面向 1.5,因此可能存在一些差异。您仍然可以抓取、解析和索引,因此根据您的需求的确切性质,它可能没问题。
  • 谢谢杰弗里!!!!会试试看你推荐的!!!最后一个问题.. 这听起来可能有点愚蠢,但如果我想查看 Nutch 的源代码并对其进行自定义,我可以从哪里获得它???
  • @prafulbagai apache-nutch-#.#-src.(zip/tar.gz) 应该有一个下载选项。这将包括源代码。
  • @jeffery---你能告诉我这是错误吗???我将它降级到 1.4 n 现在它完全不同了......请帮助!错误贴在下面!!!谢谢
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2011-05-15
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多