我们正在尝试将网页的内容存储在 中状态索引 ,以及 url、状态和元数据信息。
我们尝试编辑 ES_IndexInit.sh 并在“状态”映射部分添加下一个属性:
"content": {
"type": "text",
"index": "true",
"store": true
}
but we can't see anything in Kibana after crawling process.
我们的猜测是,我们将不得不更改 Storm crawler 项目中的 Java 源代码,但不知道如何进行。
任何见解都会非常有帮助。先感谢您。
最佳答案
内容通常存储在单独的索引中,状态索引主要用于调度 URL 并保存其元数据。它也可能对性能产生影响。
如果这是您想要继续的方式,您可以编写一个自定义 ParseFilter 来将文本内容存储在元数据中。像往常一样,您需要将用于存储文本的 key 添加到列出要保留在状态索引中的元数据的配置条目 (metadata.persist)
关于elasticsearch - 如何使用 StormCrawler 将网站内容存储在状态索引中?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48297420/