[[PageOutline]]
= Crawlzilla 網頁執行介面 =
管理介面預設網址為：http://localhost:8080 或 http://ServerIP:8080，登入後首頁如下：
[[Image(1.png)]]
== 設定網頁管理者密碼 ==
首次進入網頁介面時，必須先重設管理者密碼（預設密碼為：crawler），設定密碼點選送出並重新登入後就可執行系統。
[[Image(2.png)]]
== 建立第一個搜尋引擎 ==
=== Step1. 開啟所有運算服務 ===
由於執行Crawl必須透過Hadoop運算，因此執行Crawl前請先依序確認以下服務是否已開啟，若為關閉狀態，請依序開啟這些服務。
* Namenode and Jobtracker
* Datanode and Tasktracker(需開啟全部的運算節點)
若不熟悉開啟步驟，請參考[wiki:crawlzilla/sysmanagement_zh 系統管理介面操作說明]
=== Step2. 至Crawl網頁中設定爬取項目 ===
依序填入：索引庫名稱，欲抓取的網址（可多行，如圖所示）及設定爬取深度即可送出
[[Image(3.png)]]
送出後如圖所示，等候時間需視視每台主機的運算速度而定。
[[Image(4.png)]]
=== Step3. 瀏覽網頁爬取進度 ===
透過系統狀態頁面，可即時了解網頁爬取進度
[[Image(5.png)]]
待出現"Finish"表示索引庫已建立，並可將此一訊息刪除
[[Image(6.png)]]
* 完成此一步驟，第一個搜尋引擎已建置，右側快速連結中的"tracCloud_and_nchcTW_3"即為此次所建立的搜尋引擎。
=== Step4. 測試搜尋引擎功能 ===
點選右側快速連結中的"tracCloud_and_nchcTW_3"進入搜尋引擎後，輸入一組關鍵字測試搜尋結果，下圖為輸入"nchc"為例：
[[Image(7.png)]]
搜尋結果：
[[Image(8.png)]]
== 其他功能 ==
=== 索引庫管理 ===
索引庫管理頁面中將會顯示目前已建立的所有索引庫，管理者可於此頁面進行瀏覽，刪除及提供網頁嵌入語法，如下圖所示：
[[Image(9.png)]]
==== 索引庫瀏覽 ====
進入索引庫管理頁面後，在欲瀏覽的索引庫欄位點選"preview"即可瀏覽此一索引庫的資訊，目前提供瀏覽的資訊包括：
* 爬取網址
* 爬取文字數
* 爬取文件數
* 相關索引排名
如下圖所示：
[[Image(10.png)]]
由於有加入中文分詞功能，因此可以明顯看出索引庫的建立是以"中文字詞"作為基本單位
[[Image(11.png)]]
==== 索引庫刪除 ====
在欲刪除的索引庫中點選刪除，確認後即完成刪除索引庫
[[Image(12.png)]]
=== 網頁多工爬取 ===
此一功能存在的主要目的為增加網頁爬取排程的效率，若叢集環境中有大於一台運算主機，則同時可爬取兩個以上的Job，如果僅有一台運算主機，雖無同時執行爬取的功能，但仍會將管理者的任務排入工作佇列中，下圖以兩個運算節點為例，可以看到系統同時執行兩個Job，節省系統爬取時間。
[[Image(13.png)]]
=== 在網頁中嵌入搜尋引擎 ===
若企業內部有需要將Search Bar整合於企業首頁中，則可使用此一功能，方式如下：
==== Step1. 開啟索引庫管理頁面 ====
[[Image(14.png)]]
==== Step2. 點選embed code ====
[[Image(15.png)]]
==== Step3. 複製後貼在欲整合Search Bar的頁面 ====
embed code範例：
{{{
}}}
last modified: 2010/08/24