Apache Nutch Reseñas y Detalles del Producto

Cuando utilicé Apache Nutch, me sorprendió la velocidad con la que rastrea datos y las bibliotecas y estructuras de datos proporcionadas para personalizar el rastreo y leer los datos en el formato deseado. Estaba rastreando todos los datos de IBM para obtener información y realizar análisis de texto sobre ellos. El tipo de apoyo que recibí de los foros también fue excelente. Así que, en general, fue una buena experiencia usar el rastreador Apache Nutch. Reseña recopilada por y alojada en G2.com.

Lo que no me gustó fue el soporte de video que proporciona en Internet. Reseña recopilada por y alojada en G2.com.

Código Abierto

Escalable

Técnicas de análisis e indexación.

Fácil integración con elastic search y solr.

Diferentes complementos para analizar varios tipos de contenido. Reseña recopilada por y alojada en G2.com.

No hay mucho en mi lista de desagrado porque realmente lo disfrutamos mucho y cumplió con las necesidades de nuestra organización. Pero basándome en la experiencia, puedo decir algunos inconvenientes, como que requiere una buena infraestructura y consume una buena cantidad de memoria y utilización de CPU. También sentimos que si Nutch proporcionara un buen panel de control y una especie de panel de administración, entonces sería muy útil para nosotros. Reseña recopilada por y alojada en G2.com.

Era una herramienta de código abierto a la que puedes añadir tus propios plugins. Puedes cambiar su propio código como desees. Era muy fácil de usar. También se puede ejecutar con diferentes herramientas. Reseña recopilada por y alojada en G2.com.

Usted debe saber qué versión de nutch es adecuada para otras herramientas con las que trabaja. Reseña recopilada por y alojada en G2.com.

He estado usando Apache Nutch desde hace 3 o 4 años, me gusta como una herramienta de código abierto que puede ejecutarse en un sistema con especificaciones normales y rastrear millones de páginas. Reseña recopilada por y alojada en G2.com.

* No me gusta su algoritmo de creación de semillas, crea grupos y luego entra en un bucle para rastrear los mismos sitios web cuando ya ha rastreado millones de páginas.

* Su configuración no es fácil.

* Las automatizaciones de trabajo no están proporcionadas.

* La documentación no es buena.

* El soporte no es bueno. Reseña recopilada por y alojada en G2.com.

-Fácil de configurar

-Almacén de backend estable Reseña recopilada por y alojada en G2.com.

El uso de Java lo hace un poco voluminoso. Uno tiene que tener cuidado con el tamaño del montón, de lo contrario, los errores de OOM son inevitables. Reseña recopilada por y alojada en G2.com.

El rastreo de URL es una función excelente para leer el contenido. Nutch es una herramienta muy útil para leer el contenido en el documento de varias profundidades. Reseña recopilada por y alojada en G2.com.

Un poco difícil personalizar la función de rastreo. Reseña recopilada por y alojada en G2.com.

Plugins para indexación y búsqueda.

Integración con solar y otras herramientas.

Funciona bien en clústeres de Hadoop también. Reseña recopilada por y alojada en G2.com.

Falta de comunidad para discutir cualquier problema o preocupación.

Falta de documentos para la implementación e integración de nutch. Reseña recopilada por y alojada en G2.com.

Su característica de rastrear completamente la web con enlaces entrantes y salientes que lo hace rastrear para siempre. Reseña recopilada por y alojada en G2.com.

Necesitamos tener un conocimiento muy sólido de Apache Hadoop, Hbase, Zookeeper y la configuración completa del entorno. Tenemos que ser muy eficientes en su uso. Además, no podemos ver los datos de Hbase fácilmente, lo cual también es muy difícil. Reseña recopilada por y alojada en G2.com.

He desplegado Nutch varias veces cuando necesitaba configurar un rastreador rápidamente. Es gratuito, sencillo, confiable, bien documentado y viene con una integración OTS con Apache Solr para búsqueda. Reseña recopilada por y alojada en G2.com.

El esquema de particionamiento de directorios y archivos para el rastreador puede ser un poco confuso. Reseña recopilada por y alojada en G2.com.

Me gusta la generación de índice predeterminada para el rastreador. Reseña recopilada por y alojada en G2.com.

Cuando trabajo con el sistema operativo Ubuntu, me resulta difícil configurar las rutas de los directorios. Reseña recopilada por y alojada en G2.com.