Apache Nutch: FetcherJob создает исключение NoSuchElementException в Горе

Я запускаю Apache Nutch 2.3.1 из коробки, который использует Gora 0.6.1. Я следовал инструкциям здесь: http://wiki.apache.org/nutch/RunNutchInEclipse

Он работал нормально с InjectorJob,

Сейчас я бегу FetcherJob, а Гора использует MemStore в качестве хранилища данных. я имею gora.properties содержащий

gora.datastore.default=org.apache.gora.memory.store.MemStore

Это бросает:

2016-10-02 22:55:54,605 ERROR mapreduce.GoraRecordReader (GoraRecordReader.java:nextKeyValue(121)) - Error reading Gora records: null
2016-10-02 22:55:54,605 INFO  mapred.MapTask (MapTask.java:flush(1460)) - Starting flush of map output
2016-10-02 22:55:54,614 INFO  mapred.LocalJobRunner (LocalJobRunner.java:runTasks(456)) - map task executor complete.
2016-10-02 22:55:54,615 WARN  mapred.LocalJobRunner (LocalJobRunner.java:run(560)) - job_local874667143_0001
java.lang.Exception: java.lang.RuntimeException: java.util.NoSuchElementException
    at org.apache.hadoop.mapred.LocalJobRunner$Job.runTasks(LocalJobRunner.java:462)
    at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:522)
Caused by: java.lang.RuntimeException: java.util.NoSuchElementException
    at org.apache.gora.mapreduce.GoraRecordReader.nextKeyValue(GoraRecordReader.java:122)
    at org.apache.hadoop.mapred.MapTask$NewTrackingRecordReader.nextKeyValue(MapTask.java:556)
    at org.apache.hadoop.mapreduce.task.MapContextImpl.nextKeyValue(MapContextImpl.java:80)
    at org.apache.hadoop.mapreduce.lib.map.WrappedMapper$Context.nextKeyValue(WrappedMapper.java:91)
    at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145)
    at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:787)
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)
    at org.apache.hadoop.mapred.LocalJobRunner$Job$MapTaskRunnable.run(LocalJobRunner.java:243)
    at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:511)
    at java.util.concurrent.FutureTask.run(FutureTask.java:266)
    at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)
    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)
    at java.lang.Thread.run(Thread.java:745)
Caused by: java.util.NoSuchElementException
    at java.util.concurrent.ConcurrentSkipListMap.firstKey(ConcurrentSkipListMap.java:2036)
    at org.apache.gora.memory.store.MemStore.execute(MemStore.java:128)
    at org.apache.gora.query.impl.QueryBase.execute(QueryBase.java:73)
    at org.apache.gora.mapreduce.GoraRecordReader.executeQuery(GoraRecordReader.java:67)
    at org.apache.gora.mapreduce.GoraRecordReader.nextKeyValue(GoraRecordReader.java:109)
    ... 12 more
2016-10-02 22:55:55,383 INFO  mapreduce.Job (Job.java:monitorAndPrintJob(1360)) - Job job_local874667143_0001 running in uber mode : false
2016-10-02 22:55:55,385 INFO  mapreduce.Job (Job.java:monitorAndPrintJob(1367)) -  map 0% reduce 0%
2016-10-02 22:55:55,387 INFO  mapreduce.Job (Job.java:monitorAndPrintJob(1380)) - Job job_local874667143_0001 failed with state FAILED due to: NA
2016-10-02 22:55:55,396 INFO  mapreduce.Job (Job.java:monitorAndPrintJob(1385)) - Counters: 0
Exception in thread "main" java.lang.RuntimeException: job failed: name=, jobid=job_local874667143_0001
    at org.apache.nutch.util.NutchJob.waitForCompletion(NutchJob.java:119)
    at org.apache.nutch.fetcher.FetcherJob.run(FetcherJob.java:205)
    at org.apache.nutch.fetcher.FetcherJob.fetch(FetcherJob.java:251)
    at org.apache.nutch.fetcher.FetcherJob.run(FetcherJob.java:314)
    at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:70)
    at org.apache.nutch.fetcher.FetcherJob.main(FetcherJob.java:321)

Это происходит так глубоко в Натче и Горе, что я понятия не имею, почему это происходит. Я пытался перейти на Gora 0.8, но та же проблема. Я попытался понизить Гора до 0,6, та же проблема. Я хотел переключиться на другое хранилище данных, такое как hBase, но это немного излишне для того, что мне нужно в данный момент.

Пожалуйста, помогите мне понять это.

Источник

1 ответ

Решение

Я подтверждаю, что проблема в MemStore.

В 0.6.1 есть ошибка: https://github.com/apache/gora/blob/apache-gora-0.6.1/gora-core/src/main/java/org/apache/gora/memory/store/MemStore.java#L128

Это уже решено в мастер: https://github.com/apache/gora/blob/master/gora-core/src/main/java/org/apache/gora/memory/store/MemStore.java#L155, доступ к #firstKey() имеет охрану #isEmpty()

НО, не пытайтесь обновиться до Gora 0.7-SNAPSHOT, потому что Nutch пока не адаптирован к нему.

редактировать

Если вы хотите использовать Gora-0.7-SNAPSHOT с Nutch 2.x, возможно, вы могли бы заставить его работать так:

  1. Скачать мастер ветку Горы с версией 0.7-SNAPSHOT
  2. Делать mvn install в Гора / чтобы установить его в локальном хранилище Maven
  3. Примените этот патч к Nutch: https://paste.apache.org/jjqz чтобы Nutch 2.3.1 работал с Gora 0.7-SNAPSHOT.
  4. Делать учебник материал Nutch

Надеюсь это работает:)

Редактировать 2

Что касается использования HBase, то для экспериментов довольно просто выполнить локальную установку.

  1. Как указано в Nutch2Tutorial, скачайте HBase 0.98.8-hadoop2
  2. Надуйте файл tar.gz в каталоге, например: /home/you/hbase
  3. cd /home/you/hbase/bin
  4. ./start-hbase.sh

Теперь у вас есть HBase и работает. Настроить Nutch:

ivy / ivy.xml: посмотрите комментарий @Emmanuel о конфигурации зависимости плюща от HBase.

gora.properties:

gora.datastore.default=org.apache.gora.hbase.store.HBaseStore
gora.datastore.autocreateschema=true
gora.datastore.scanner.caching=100

Nutch-site.xml:

<configuration>
<property>
 <name>storage.data.store.class</name>
 <value>org.apache.gora.hbase.store.HBaseStore</value>
 <description>Default class for storing data</description>
</property>
</configuration>

Готово. Для HBase потребуются все настройки по умолчанию: localhost, /tmp/..., blablabla

Источник
Другие вопросы по тегам