nutch2.3.1 scoring-opic 插件url评分为0 问题
2016-03-28 17:58
405 查看
运行nutch程序,发现除了入口url等分为1以外,其余的url得分都为0,问题如下图红圈所示。
几番百度、谷歌、求助大神无果后,决定尝试跟踪源码找问题。源码环境搭建参考博客:
http://blog.csdn.net/lqleo323/article/details/50999044
首先在org.apache.nutch.scoring.opic.OPICScoringFilter类里面打断点定位问题,每次运行到下面红圈处,程序就return了!。
但是程序在一开始的inject阶段就把这个值注入了啊 注入代码:
没有办法,只能每个阶段来调试,然后查看url里面的metadata属性,看他怎么消失的。inject,generate、fetch阶段的url图如下所示:
fetch阶段 metadata属性存储的cash值消失了!这下问题算是定位到了 在fetch阶段。接着就是跟踪fetch源码最后发现下面一段代码。
如果job.getConfiguration().getBoolean(PARSE_KEY, false)为真,即conf/nutch-site.xml配置
则url里面的metadata属性就有cash值,可以用于后面的计算url分数。
最后每个链接都有了分数
修改了配置文件后。记得要ant clean,ant重新编译。
虽然问题好像看似解决了,但是还是有很多疑问,不明白为什么一个fetch阶段的配置可以影响到url的评分计算。而且这个fetcher.parse设置为true只是在fetch阶段也做parse的工作而已。希望有大神看到了可以帮我解惑。接触nutch几个月了,感觉坑很多,有时间还是要好好阅读下源码理一理才行。
几番百度、谷歌、求助大神无果后,决定尝试跟踪源码找问题。源码环境搭建参考博客:
http://blog.csdn.net/lqleo323/article/details/50999044
首先在org.apache.nutch.scoring.opic.OPICScoringFilter类里面打断点定位问题,每次运行到下面红圈处,程序就return了!。
但是程序在一开始的inject阶段就把这个值注入了啊 注入代码:
@Override public void injectedScore(String url, WebPage row) throws ScoringFilterException { float score = row.getScore(); row.getMetadata().put(CASH_KEY, ByteBuffer.wrap(Bytes.toBytes(score))); }
没有办法,只能每个阶段来调试,然后查看url里面的metadata属性,看他怎么消失的。inject,generate、fetch阶段的url图如下所示:
fetch阶段 metadata属性存储的cash值消失了!这下问题算是定位到了 在fetch阶段。接着就是跟踪fetch源码最后发现下面一段代码。
public Collection<WebPage.Field> getFields(Job job) { Collection<WebPage.Field> fields = new HashSet<WebPage.Field>(FIELDS); if (job.getConfiguration().getBoolean(PARSE_KEY, false)) { ParserJob parserJob = new ParserJob(); fields.addAll(parserJob.getFields(job)); } ProtocolFactory protocolFactory = new ProtocolFactory( job.getConfiguration()); fields.addAll(protocolFactory.getFields()); return fields; }
如果job.getConfiguration().getBoolean(PARSE_KEY, false)为真,即conf/nutch-site.xml配置
<property> <name>fetcher.parse</name> <value>true</value> <description>If true, fetcher will parse content. NOTE: previous releases would default to true. Since 2.0 this is set to false as a safer default.</description> </property>
则url里面的metadata属性就有cash值,可以用于后面的计算url分数。
最后每个链接都有了分数
修改了配置文件后。记得要ant clean,ant重新编译。
虽然问题好像看似解决了,但是还是有很多疑问,不明白为什么一个fetch阶段的配置可以影响到url的评分计算。而且这个fetcher.parse设置为true只是在fetch阶段也做parse的工作而已。希望有大神看到了可以帮我解惑。接触nutch几个月了,感觉坑很多,有时间还是要好好阅读下源码理一理才行。
联系作者
CSDN相关文章推荐
- 从源码安装Mysql/Percona 5.5
- java自动生成验证码插件-kaptcha
- jQuery插件实现文字无缝向上滚动效果代码
- jQuery菜单插件用法实例
- 浅析Ruby的源代码布局及其编程风格
- 加载flash9.ocx出现错误的解决方法
- jquery实现的代替传统checkbox样式插件
- 10款新鲜出炉的 jQuery 插件(Ajax 插件,有幻灯片、图片画廊、菜单等)
- 推荐40个非常优秀的jQuery插件和教程【系列三】
- Node.js插件的正确编写方式
- 推荐十款免费 WordPress 插件
- asp.net 抓取网页源码三种实现方法
- 使用JavaScript开发IE浏览器本地插件实例
- jQuery实现的简单提示信息插件
- 推荐25个超炫的jQuery网格插件
- 纯JavaScript实现的分页插件实例
- JQuery插件jcarousellite的参数中文说明
- 拥有一个属于自己的javascript表单验证插件
- JS小游戏之仙剑翻牌源码详解
- JS小游戏之宇宙战机源码详解