Nutch-2.2.1学习之四Nutch与Hbase结合使用时常见问题

2024-01-08 04:32

本文主要是介绍Nutch-2.2.1学习之四Nutch与Hbase结合使用时常见问题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

       Nutch-2.2.1不再使用单一的存储结构,而是通过使用Apache Gora,是得Nutch-2.2.1可以将数据存储在诸如HBase、Accumulo、Cassandra、MySQL、DataFileAvroStore、AvroStor中。这一变化在提供更多选择,更多灵活性的同时,势必增加了Nutch的复杂性。相信很多人在从Nutch-1.x版本过渡到Nutch-2.x版本时都或多或少的遇到了各种问题,这篇文章主要记录了笔者在学习Nutch-2.2.1结合HBase使用时遇到的一些问题,希望对独到这篇文章的人有些帮助或者提供一些解决自己特定问题的思路。

        目前HBase的最新稳定版本为HBase-0.94.14,而编译Nutch-2.2.1时依赖的gora-hbase版本为0.3,gora-hbase依赖的hbase版本为0.90.4,这就要求hbase的版本为0.90.4,与最新的hbase版本还是有较大差距的。笔者也曾经试图将Nutch-2.2.1与hbase-0.94.14结合起来,方法是将hbase的jar包复制到Nutch目录中runtime下local目录中lib目录下,但失败了。原因是gora-hbase调用hbase中的方法有的已经发生了变化,也曾试图下载gora-hbase源代码使用hbase-0.94.14的jar包重新编译,出现了一些gora-hbase实现hbase的接口,但这些hbase接口新增了一些方法,若想编译成功就必须实现成功。最后查看了Apache Gora的最新版本0.4的问题跟踪列表,找到了关于hbase的问题,原文如下:

We haven't touched the HBase versioning in a good while. When a new user heads over to the HBase site, they are directed to the 'stable' release which is currently sitting at 0.94.4. I realise that we have (legacy) support for the 0.90.X branch of HBase, but from what I can see, there is no current justification for this decision and it is also not within any strategic short/medium/long term objectives of Gora. This issue should *Enable us to discuss what Hbase branch we wish to support moving forward 
*Actually implement the upgrade which gathers most consensus.

       该段评论的url链接为https://issues.apache.org/jira/browse/GORA-201,大家可以自己阅读一下更多的讨论。从这些讨论中可以得到gora-hbase是支持hbase-0.92.X版本的,所以在尝试最新的hbase版本失败后,笔者决定将hbase的版本将为0.92.1,读者可以从http://archive.apache.org/dist/hbase/下载自己喜欢的版本。下面这些问题都是在使用Nutch-2.2.1和HBase-0.92.1的过程出现的问题,后面会做些修改gora-hbase源码,实现hbase最新版本接口的方法的尝试,至于成功与否不敢保证。

在执行Nutch的各种操作之前,先要确保已经正确配置了gora.properties、nutch-site.xml,修改了ivy目录下的ivy.xml文件,然后再nutch家目录下执行ant命令重新编译,这时会下载依赖的jar包。编译成功后,在对hbase的配置文件做些修改,在配置文件中指定hbase和zookeeper保存数据的目录。在完成这些配置后,启动hbase,执行start-hbase.sh,然后就可以执行nutch的各种命令了。

        第一个遇到的问题如下面的代码所示,对这个问题首先google了一下,也搜到了一些解决方案,比如说要下载gora-0.3的源码,编译gora-hbase目录等,但在我的lib目录下是存在gora-hbase的jar包,而根据错误信息确实是缺少org.apache.gora.hbase.store.HBaseStore类,通过打印classpath,也能确认该类在路径中,怎么还是会出现这种情况呢?万般无奈之下,只好查看源代码了。在StorageUtils类中的90行,可以发现会根据nutch-site.xml中的配置storage.data.store.class进行类的加载,打开配置文件,发现value那里竟然有空格,所以导致了无法发现org.apache.gora.hbase.store.HBaseStore类的问题。当然这只本人的一个笔误而引发的问题,可能其他人在学习过程中不会遇到这样的问题,但是这说明了一个思路,就是出现问题时不要盲目的相信网络上的解决方案,能解决最好,不能解决可以通过去官网查看问题列表或者查看源代码解决。

[hadoop@hadoop local]$ bin/nutch inject urls -crawlId blog
InjectorJob: starting at 2013-12-01 17:09:50
InjectorJob: Injecting urlDir: urls
InjectorJob: java.lang.ClassNotFoundException:  org.apache.gora.hbase.store.HBaseStoreat java.net.URLClassLoader$1.run(URLClassLoader.java:202)at java.security.AccessController.doPrivileged(Native Method)at java.net.URLClassLoader.findClass(URLClassLoader.java:190)at java.lang.ClassLoader.loadClass(ClassLoader.java:306)at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:301)at java.lang.ClassLoader.loadClass(ClassLoader.java:247)at java.lang.Class.forName0(Native Method)at java.lang.Class.forName(Class.java:169)at org.apache.nutch.storage.StorageUtils.getDataStoreClass(StorageUtils.java:89)at org.apache.nutch.storage.StorageUtils.createWebStore(StorageUtils.java:73)at org.apache.nutch.crawl.InjectorJob.run(InjectorJob.java:221)at org.apache.nutch.crawl.InjectorJob.inject(InjectorJob.java:251)at org.apache.nutch.crawl.InjectorJob.run(InjectorJob.java:273)at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65)at org.apache.nutch.crawl.InjectorJob.main(InjectorJob.java:282)

        第二个遇到的问题如下所示,这个问题可以在网上或者Gora的官网找到答案。这个问题是由于HBase的版本问题引起的。编译完的Nutch依赖的hbase版本是0.90.4,而我所采用的版本是0.92.1,这时只要将HBase-0.92.1目录下的jar复制到Nutch的lib目录下,并且移除0.90.4的jar包即可。

InjectorJob: starting at 2013-12-01 17:49:22
InjectorJob: Injecting urlDir: urls
InjectorJob: org.apache.gora.util.GoraException: java.lang.RuntimeException: java.lang.IllegalArgumentException: Not a host:port pair:2967@hadoophadoop,46346,1385888950533at org.apache.gora.store.DataStoreFactory.createDataStore(DataStoreFactory.java:167)at org.apache.gora.store.DataStoreFactory.createDataStore(DataStoreFactory.java:135)at org.apache.nutch.storage.StorageUtils.createWebStore(StorageUtils.java:75)at org.apache.nutch.crawl.InjectorJob.run(InjectorJob.java:221)at org.apache.nutch.crawl.InjectorJob.inject(InjectorJob.java:251)at org.apache.nutch.crawl.InjectorJob.run(InjectorJob.java:273)at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65)at org.apache.nutch.crawl.InjectorJob.main(InjectorJob.java:282)
Caused by: java.lang.RuntimeException: java.lang.IllegalArgumentException: Not a host:port pair:                                                                                                  2967@hadoophadoop,46346,1385888950533at org.apache.gora.hbase.store.HBaseStore.initialize(HBaseStore.java:127)at org.apache.gora.store.DataStoreFactory.initializeDataStore(DataStoreFactory.java:102)at org.apache.gora.store.DataStoreFactory.createDataStore(DataStoreFactory.java:161)... 7 more
Caused by: java.lang.IllegalArgumentException: Not a host:port pair:2967@hadoophadoop,46346,1385888950533at org.apache.hadoop.hbase.HServerAddress.<init>(HServerAddress.java:60)at org.apache.hadoop.hbase.MasterAddressTracker.getMasterAddress(MasterAddressTracker.java:63)at org.apache.hadoop.hbase.client.HConnectionManager$HConnectionImplementation.getMaster(HConnectionManager.java:354)at org.apache.hadoop.hbase.client.HBaseAdmin.<init>(HBaseAdmin.java:94)at org.apache.gora.hbase.store.HBaseStore.initialize(HBaseStore.java:109)... 9 more

这是本人在学习Nutch2.2.1,且以HBase为存储时暂时遇到的问题,相信后面还会陆陆续续遇到一些其他问题,也会随时更新该文章,与大家一起分享。


这篇关于Nutch-2.2.1学习之四Nutch与Hbase结合使用时常见问题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/582327

相关文章

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理;Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期

java使用protobuf-maven-plugin的插件编译proto文件详解

《java使用protobuf-maven-plugin的插件编译proto文件详解》:本文主要介绍java使用protobuf-maven-plugin的插件编译proto文件,具有很好的参考价... 目录protobuf文件作为数据传输和存储的协议主要介绍在Java使用maven编译proto文件的插件

SpringBoot线程池配置使用示例详解

《SpringBoot线程池配置使用示例详解》SpringBoot集成@Async注解,支持线程池参数配置(核心数、队列容量、拒绝策略等)及生命周期管理,结合监控与任务装饰器,提升异步处理效率与系统... 目录一、核心特性二、添加依赖三、参数详解四、配置线程池五、应用实践代码说明拒绝策略(Rejected

C++ Log4cpp跨平台日志库的使用小结

《C++Log4cpp跨平台日志库的使用小结》Log4cpp是c++类库,本文详细介绍了C++日志库log4cpp的使用方法,及设置日志输出格式和优先级,具有一定的参考价值,感兴趣的可以了解一下... 目录一、介绍1. log4cpp的日志方式2.设置日志输出的格式3. 设置日志的输出优先级二、Window

Ubuntu如何分配​​未使用的空间

《Ubuntu如何分配​​未使用的空间》Ubuntu磁盘空间不足,实际未分配空间8.2G因LVM卷组名称格式差异(双破折号误写)导致无法扩展,确认正确卷组名后,使用lvextend和resize2fs... 目录1:原因2:操作3:报错5:解决问题:确认卷组名称​6:再次操作7:验证扩展是否成功8:问题已解

Qt使用QSqlDatabase连接MySQL实现增删改查功能

《Qt使用QSqlDatabase连接MySQL实现增删改查功能》这篇文章主要为大家详细介绍了Qt如何使用QSqlDatabase连接MySQL实现增删改查功能,文中的示例代码讲解详细,感兴趣的小伙伴... 目录一、创建数据表二、连接mysql数据库三、封装成一个完整的轻量级 ORM 风格类3.1 表结构

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v