Apache Nutch — модульный фреймворк для построения поисковых систем, написанный на языке Java и основанный на технологиях Lucene, Solr, Tika, Hadoop и Gora, адаптированных для специфики поиска в интернете (например, поддерживается crawler, база ссылочной связи, парсинг HTML и других форматов). Архитектура Nutch позволяет разработчикам создавать плагины для обработки нового медиаконтента, получение данных через нестандартные каналы для формирования типовых запросов или организации поискового кластера.

Apache Nutch
Логотип программы Apache Nutch
Тип библиотека Java[вд], библиотека функций и поисковый робот
Разработчик Apache Software Foundation
Написана на Java
Операционная система Кроссплатформенное программное обеспечение
Аппаратная платформа Java Virtual Machine
Последняя версия
Репозиторий github.com/apache/nutch
Состояние Активный
Лицензия Apache License 2
Сайт nutch.apache.org
Логотип Викисклада Медиафайлы на Викискладе

Система предоставляет средства для построения высокомасштабных систем индексации, отвлеченных от типа хранилища, что позволяет использовать такие хранилища для больших объемов данных, как Apache Accumulo, Apache Avro, Apache Cassandra, Apache HBase и HDFS, так и SQL-базы и размещение в памяти NoSQL БД.

Использование

править

На базе Nutch 2.0, запущенного поверх 34-узлового Hadoop-кластера, построен поисковый сервис компании Kalooga, в индексе которого находится более миллиарда страниц[2].

На основе Nutch построены поисковые системы:

  • Creative Commons Search — запущен в 2004 году, имплементация Nutch заменена в 2006[3][4][5]
  • DiscoverEd — прототип поиска по открытым образовательных ресурсам, разрабатывается Creative Commons
  • Krugle
  • MozDex
  • Wikia Search — запущен в 2008 году, закрыт в 2009[6][7]
  • search2.net

Примечания

править
  1. Apache Nutch 1.19 (src-tar, src-zip, bin-tar and bin-zip) — 2022.
  2. Релиз поискового движка Apache Nutch 2.0. Дата обращения: 9 января 2017. Архивировано 14 июля 2012 года.
  3. Our Updated Search. Creative Commons (3 сентября 2004). Дата обращения: 9 января 2017. Архивировано 7 сентября 2011 года.
  4. Creative Commons Unique Search Tool Now Integrated into Firefox 1.0. Creative Commons (22 ноября 2004). Архивировано из оригинала 22 июля 2013 года.
  5. New CC search UI. Creative Commons (2 августа 2006). Дата обращения: 9 января 2017. Архивировано 7 ноября 2011 года.
  6. Where can I get the source code for Wikia Search? Дата обращения: 9 января 2017. Архивировано из оригинала 4 ноября 2011 года.
  7. Update on Wikia – doing more of what’s working. Дата обращения: 9 января 2017. Архивировано 3 мая 2009 года.

Ссылки

править