Recensioni e Dettagli del Prodotto Apache Nutch

Quando ho usato Apache Nutch sono rimasto stupito dalla velocità con cui esegue il crawling dei dati e dalle librerie e strutture dati fornite per personalizzare il tuo crawling e leggere i dati nel formato desiderato. Stavo eseguendo il crawling di tutti i dati IBM per ottenere approfondimenti e fare analisi testuali su di essi. Anche il tipo di supporto che ho ricevuto dai forum è stato ottimo. Quindi, nel complesso, è stata una bella esperienza usare il crawler Apache Nutch. Recensione raccolta e ospitata su G2.com.

Quello che non mi è piaciuto è il supporto video che fornisce su Internet. Recensione raccolta e ospitata su G2.com.

Open Source

Scalabile

Tecniche di parsing e indicizzazione.

Facile integrazione con Elastic Search e Solr.

Diversi plugin per analizzare vari tipi di contenuti. Recensione raccolta e ospitata su G2.com.

Non c'è molto nella mia lista di cose che non mi piacciono perché ci siamo davvero divertiti molto e ha soddisfatto le esigenze della nostra organizzazione. Ma basandomi sull'esperienza, posso dire alcuni svantaggi come il fatto che richiede una buona infrastruttura e consuma una buona quantità di memoria e utilizzo della CPU. Sentiamo anche che se Nutch fornisse una buona dashboard e una sorta di pannello di amministrazione, sarebbe stato molto utile per noi. Recensione raccolta e ospitata su G2.com.

Era uno strumento open source a cui puoi aggiungere i tuoi plugin. Puoi modificare il suo codice come desideri. Era molto facile da usare. Può essere eseguito anche con strumenti diversi. Recensione raccolta e ospitata su G2.com.

Dovresti sapere quale versione di Nutch è adatta agli altri strumenti con cui lavori. Recensione raccolta e ospitata su G2.com.

Uso Apache Nutch da 3 o 4 anni, mi piace come strumento open source che può funzionare su un sistema con specifiche normali e scansionare milioni di pagine. Recensione raccolta e ospitata su G2.com.

* Non mi piace il suo algoritmo di creazione dei semi, crea cluster e poi entra in un ciclo per esplorare gli stessi siti web quando ha già esplorato milioni di pagine.

* La sua configurazione non è facile.

* Le automazioni dei lavori non sono fornite.

* La documentazione non è buona.

* Il supporto non è buono. Recensione raccolta e ospitata su G2.com.

-Facile da configurare

-Archivio backend stabile Recensione raccolta e ospitata su G2.com.

L'uso di Java lo rende un po' ingombrante. Bisogna fare attenzione alla dimensione dell'heap, altrimenti gli errori di OOM sono inevitabili. Recensione raccolta e ospitata su G2.com.

La scansione dell'URL è un'ottima funzione per leggere il contenuto. Nutch è uno strumento molto utile per leggere il contenuto nel documento di varie profondità. Recensione raccolta e ospitata su G2.com.

Un po' difficile personalizzare la funzione di scansione. Recensione raccolta e ospitata su G2.com.

Plugin per indicizzazione e ricerca.

Integrazione con Solar e altri strumenti.

Funziona bene anche nei cluster Hadoop. Recensione raccolta e ospitata su G2.com.

Mancanza di una comunità per discutere qualsiasi problema o preoccupazione.

Mancanza di documenti per l'implementazione e l'integrazione di nutch. Recensione raccolta e ospitata su G2.com.

La sua caratteristica di eseguire la scansione completa del web con link interni ed esterni lo rende in grado di eseguire la scansione per sempre. Recensione raccolta e ospitata su G2.com.

Dobbiamo avere una conoscenza molto approfondita di Apache Hadoop, Hbase, Zookeeper e dell'intero setup dell'ambiente. Dobbiamo essere molto efficienti nell'utilizzarlo. Inoltre, non possiamo visualizzare facilmente i dati di Hbase, il che è anche molto difficile. Recensione raccolta e ospitata su G2.com.

Ho distribuito Nutch diverse volte quando avevo bisogno di avviare rapidamente un crawler. È gratuito, semplice, affidabile, ben documentato e viene fornito con un'integrazione OTS con Apache Solr per la ricerca. Recensione raccolta e ospitata su G2.com.

Lo schema di partizionamento delle directory e dei file per il crawler può essere un po' confuso. Recensione raccolta e ospitata su G2.com.

Mi piace la generazione predefinita dell'indice per il crawler Recensione raccolta e ospitata su G2.com.

Quando lavoro con il sistema operativo Ubuntu trovo difficile impostare i percorsi delle directory Recensione raccolta e ospitata su G2.com.