首页 > 代码库 > nutch - hbase 的存储结构
nutch - hbase 的存储结构
webpage字段解释
webpage各阶段的字段值变化
ROW com.2345.www:http/COL f : fi //fetchIntervalCOL f : ts //fetchTime
id主键，根据网页url生成(格式：reversed domain name:protocol:port and path),因此，Nutch2只能保存当前网页的状态，而不能保存历史信息(这里说的不对，会保留历史版本的，每个row都有时间戳，会保留一定量的历史版本，过低的可能会删除)。rowkey为 reversed domain name:protocol:port and path 举例： com.2345.www:http/nutch基本是用 url 作为rowkey的， 用这个实现url的去重。 然后通过“fetchTime” 来看是否达到generate的日期。
nutch - hbase 的存储结构
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。