Apache Nutch|Apache Nutch v2.3.1下载

  • 时间:
  • 浏览:1
  • 来源:幸运快3_快3公式_幸运快3公式

Nutch的创始人是Doug Cutting,他一起去也是Lucene、Hadoop和Avro开源项目的创始人。

Nutch诞生于10002年8月,是Apache旗下的有一有一个用Java实现的开源搜索引擎项目,自Nutch1.2版本以前,Nutch由于从搜索引擎演化为网络爬虫,接着Nutch进一步演化为两大分支版本:1.X和2.X,这两大分支最大的区别在于2.X对底层的数据存储进行了抽象以支持各种底层存储技术。

在Nutch的进化过程中,产生了Hadoop、Tika、Gora和Crawler Commons有一个Java开源项目。如今这有一个项目都发展更慢,极其火爆,尤其是Hadoop,其已成为大规模数据处置的事实上的标准。Tika使用多种现有的开源内容解析项目来实现从多种格式的文件中提取元数据和底部形态化文本,Gora支持把大数据持久化到多种存储实现,Crawler Commons是有一有一个通用的网络爬虫组件。

大数据这些术语最早的引用可追溯到Nutch。当时,大数据用来描述为更新网络搜索索引须要一起去进行批量处置或分析的少量数据集。现在,大数据的含义由于被极大地发展了,业界将大数据的底部形态归纳为有一有一个“V”。Volume数据体量巨大,Variety数据类型繁多,Value价值密度低,商业价值高,Velocity处置传输速度快。

Hadoop是大数据的核心技术之一,而Nutch集Hadoop之大成,是Hadoop的源头。学习Hadoop,这麼数据为什么会么会么办?用Nutch抓!学了Hadoop的Map Reduce以及HDFS,这麼实用案例为什么会么会么办?学习Nutch!Nutch的统统 代码是用Map Reduce和HDFS写的,哪里还能找到比Nutch更好的Hadoop应用案例呢?

Tags: Nutch   Apache Nutch   Apache Nutch2.3   Java网络爬虫