elasticsearch - 索引使用Elasticsearch从Apache Nut抓取的数据？

Question

我在AWS ec2 ubuntu实例上有Apache Nuch 1.7和Elasticsearch 1.4.4。我使用Nutch抓取数据，但如何使用Elasticsearch索引数据？没有与此相关的官方文档。

Answer 1

在您的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，您指定已经抓取了数据，现在想要对其进行索引，因此可以使用

./bin/nutch index <crawldb> -dir <segment_dir>

这将索引段中所有已爬网的数据。您可以检查文档的elasticsearch索引。