NutchEz V2 開發者網頁

國網中心自由軟體實驗室

一、討論內容

之前討論歸檔

4st (5/21)

• 討論事項
  • subversion 專案管理
  • 多國語言方案
  • 目錄決定
  • 更改安裝流程

waue	nutchez.sh 規劃
fafa	master_install
rock	client_install

5st (5/28)

rock

Slave 安裝程式demo

fafa

Master 安裝程式demo

waue

• 討論 web 要用 ​tomcat 5 + php 4 或 tomcat 6 + jsp
• 討論 目錄架構

說明	路徑	擁有者身份
nutchez 家目錄	/opt/nutchez/	nutchuser
nutch 家目錄	/opt/nutchez/nutch	nutchuser
nutch 工作目錄	/var/nutchez/nutch-nutchuser	nutchuser
nutch 日誌檔	/var/nutchez/logs	nutchuser
nutch 設定檔	/opt/nutchez/nutch/conf	nutchuser
tomcat 家目錄	/opt/nutchez/tomcat	nutchuser
nutchez 使用者目錄	/home/nutchuser/nutchez/	nutchuser
nutchez 索引資料庫	/home/nutchuser/nutchez/search/	由nutch完成crawl後產生

• 下載修改後 nutch 叢集版 的壓縮檔
  • 設定叢集驅動模式（ /opt/nutchez/nutch/conf/ 的 hadoop-site.xml ）

    <configuration>
      <property>
        <name>fs.default.name</name>
        <value>hdfs://localhost:9000</value>
      </property>
      <property>
        <name>mapred.job.tracker</name>
        <value>localhost:9001</value>
      </property>
      <property>
        <name>hadoop.tmp.dir</name>
        <value>/var/nutchez/nutch-nutchuser</value>
      </property>
    </configuration>
    

  • 設定 最後的搜尋結果 （ /opt/nutchez/tomcat/webapps/ROOT/WEB-INF/classes/ 的 nutch-site.xml ）

    <configuration>
        <property>
            <name>searcher.dir</name>
            <value>/home/nutchuser/nutchez/search</value>
        </property>
    </configuration>
    

  • 使 nutch 主程式引入環境變數 （改 /opt/nutchez/nutch/bin/nutch ）

    NUTCH_HOME=/opt/nutchez/nutch
    NUTCH_CONF_DIR=/opt/nutchez/nutch/conf
    NUTCH_LOG_DIR=/var/nutchez/logs
    

  • 叢集版的 nutch ，要使用之前，要先執行 hadoop format 與 start-all.sh

二、系統架構(編輯)

WikiInclude(waue/2010/nutchez2_archi)?

三、各元件流程圖 (編輯)

WikiInclude(waue/2010/nutchez2_procedure)?

四、專案管理

• 第 0 步驟是第一次下載整個專案的時候執行
• 1~3 步驟 是每次要讓專案同步時需要做的

0. 下載專案

• 列出 svn 內有什麼資料夾

  svn ls https://trac.nchc.org.tw/svn/cloud/
  

  接著會問一大堆認證密碼什麼鬼的，密碼正確才可以列出檔案

• 下載 nutchez 0.2 的專案

  cd /opt/svn_project/
  svn co https://trac.nchc.org.tw/svn/cloud/nutchez-0.2
  

1. 更新專案

cd nutchez-0.2
svn update

2. 加入檔案、資料夾的指令

svn mkdir aaa
svn add bbb.txt

3. 專案內容上傳

svn ci

五、時間表

項目	預計	開始	完成
企劃書	5/3~5/4	5/3	5/5
survey	5/3~5/7	5/3
開發	5/10~9/1
試用與除錯	9/1~9/20
專案完成	9/20

六、相關連結

• nutchez v2 的介紹連結
• luke - ​nutch 的統計頁面
• Iframe - 網頁鑲嵌其他網頁，用以整合cluster資訊
• ​nutchez 的 google code site 專案
• 賽程資訊
• nutch 詳細安裝
• ​plugin central

新增目標

• 穿透帳號密碼登入 .. ​httpclient
• ftp： ​login 設定
• MS File Share Folder ( samba ) - ​https://issues.apache.org/jira/browse/NUTCH-427