脚本之家 服务器常用软件
快捷导航
您的位置：主页 > 源码下载 > 软件开发 > java源码 > Apache Nutch

Apache Nutch 网络爬虫 v1.19

Apache Nutch

  • 源码大小：8.15MB
  • 源码语言：英文软件
  • 源码类型：国外软件
  • 源码授权：免费软件
  • 源码类别：java源码
  • 应用平台：Java
  • 源码官网：
  • 更新时间：2023-01-26
  • 网友评分：
360通过 腾讯通过 金山通过

详情介绍

Nutch的创始人是Doug Cutting，他同时也是Lucene、Hadoop和Avro开源项目的创始人。

Nutch诞生于2002年8月，是Apache旗下的一个用Java实现的开源搜索引擎项目，自Nutch1.2版本之后，Nutch已经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四个Java开源项目。如今这四个项目都发展迅速，极其火爆，尤其是Hadoop，其已成为大规模数据处理的事实上的标准。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结构化文本，Gora支持把大数据持久化到多种存储实现，Crawler Commons是一个通用的网络爬虫组件。

大数据这个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需要同时进行批量处理或分析的大量数据集。现在，大数据的含义已经被极大地发展了，业界将大数据的特性归纳为4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处理速度快。

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，没有数据怎么办？用Nutch抓！学了Hadoop的Map Reduce以及HDFS，没有实用案例怎么办？学习Nutch！Nutch的很多代码是用Map Reduce和HDFS写的，哪里还能找到比Nutch更好的Hadoop应用案例呢？

下载地址

下载错误？【投诉报错】

Apache Nutch 网络爬虫 v1.19

      人气源码

      相关文章

      • Java轻量级类隔离框架 SOFAArk Project v2.2.14

        SOFAArk 是一款基于 Java 实现的动态热部署和轻量级类隔离框架，由蚂蚁集团开源贡献，主要提供应用模块的动态热部署和类隔离能力。欢迎需要的朋友下载使用...

      • SpringBlade微服务开发平台 v4.2.0

        SpringBlade 是一个由商业级项目升级优化而来的SpringCloud分布式微服务架构、SpringBoot单体式微服务架构并存的综合型项目，采用Java8 API重构了业务代码，完全遵循阿里巴...

      • Diboot轻代码开发平台 v2.11.0

        Diboot轻代码开发平台是一个面向开发人员的低代码开发平台，将重复性的工作自动化，提高质量、效率、可维护性...

      • RuoYi-activiti工作流平台源码 v4.1

        RuoYi-activiti是一款以若依开源权限管理系统为基础开发平台并集成了activiti框架完成的工作流系统，旨在打造集流程设计、流程部署、流程执行、任务办理、流程监控于一体的...

      • RuoYi若依权限管理系统 v4.7.9

        RuoYi若依权限管理系统是一个基于SpringBoot的权限管理系统，代码易读易懂、界面简洁美观, 核心技术采用Spring、MyBatis、Shiro没有任何其它重度依赖，喜欢的朋友快来下载...

      • Java Struts2漏洞复现工具

        今天给大家分享Java Struts2漏洞复现工具，喜欢的朋友快来下载体验吧...

      • java操作excel的jar包(jxl.jar包 源码)

        jxl.jar是通过java操作excel表格的工具类库，能够修饰单元格属性，是由java语言开发而成的,接下来通过本文给大家介绍java操作excel的jar包(jxl.jar包 源码)，喜欢的朋友快...

      • springboot整合QuartJob实现定时器实时管理源代码

        Quartz是一个完全由java编写的开源作业调度框架，形式简易，功能强大,，下面给大家分享springboot整合QuartJob实现定时器实时管理源代码，感兴趣的朋友快来下载体验吧...

      • SOFABoot开源框架 v3.24.0

        SOFABoot 是蚂蚁集团开源的基于 Spring Boot 的研发框架，它在 Spring Boot 的基础上，提供了诸如 Readiness Check，上下文隔离，类隔离，日志空间隔离等等能力...

      • 基于SSM的应急资源管理系统源码 v1.0

        应急资源管理系统用的是是比较流行的SSM和前端JSP技术，用它来创建使用脚本语言，结合HTML代码来制作动态 网页,欢迎需要的朋友下载使用...

      下载声明

      ☉ 解压密码：www.jb51.net 就是本站主域名，希望大家看清楚，[ 分享码的获取方法 ]可以参考这篇文章
      ☉ 推荐使用 [ 迅雷 ] 下载，使用 [ WinRAR v5 ] 以上版本解压本站软件。
      ☉ 如果这个软件总是不能下载的请在评论中留言,我们会尽快修复，谢谢!
      ☉ 下载本站资源，如果服务器暂不能下载请过一段时间重试!或者多试试几个下载地址
      ☉ 如果遇到什么问题，请评论留言，我们定会解决问题，谢谢大家支持!
      ☉ 本站提供的一些商业软件是供学习研究之用，如用于商业用途，请购买正版。
      ☉ 本站提供的Apache Nutch 网络爬虫 v1.19资源来源互联网，版权归该下载资源的合法拥有者所有。