# Apache Nutch Reviews **Vendor:** The Apache Software Foundation **Category:** [Frameworks Web Java](https://www.g2.com/pt/categories/java-web-frameworks) **Average Rating:** 4.0/5.0 **Total Reviews:** 20 ## About Apache Nutch Apache Nutch é um projeto de software de rastreador web de código aberto, extensível e escalável. Nutch fornece interfaces extensíveis, como Parse, Index e ScoringFilter, para implementações personalizadas, por exemplo, Apache Tika para análise. ## Apache Nutch Reviews ### 1. Apache Nutch é Rockstar em termos de rastreamento de grandes volumes de dados. **Rating:** 5.0/5.0 stars **Reviewed by:** Narendra A. | Senior Software Engineer, Empresa (> 1000 emp.) **Reviewed Date:** August 17, 2020 **O que você mais gosta Apache Nutch?** Quando usei o Apache Nutch, fiquei impressionado com a velocidade com que ele rastreia dados e as bibliotecas e estruturas de dados fornecidas para personalizar o rastreamento e a leitura dos dados no formato desejado. Eu estava rastreando todos os dados da IBM para obter insights e fazer análises de texto. O tipo de suporte que recebi dos fóruns também foi ótimo. Então, no geral, foi uma boa experiência usar o rastreador Apache Nutch. **O que você não gosta Apache Nutch?** O que eu não gostei foi o suporte de vídeo que ele oferece na Internet. **Recomendações a outras pessoas considerando Apache Nutch:** É agradável de usar e oferece muita flexibilidade. **Que problemas é Apache Nutch E como isso está te beneficiando?** Eu estava resolvendo o problema na minha organização para análise de dados. Onde automatizamos todo o processo de licitação com análise de texto. ### 2. Muito eficiente, mais rápido e ferramenta de código aberto para rastreador **Rating:** 4.5/5.0 stars **Reviewed by:** Jaydip L. | Senior Software Engineer, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** September 02, 2020 **O que você mais gosta Apache Nutch?** Código Aberto Escalável Técnicas de análise e indexação. Integração fácil com elastic search e solr. Diferentes plugins para analisar vários tipos de conteúdo. **O que você não gosta Apache Nutch?** Nada de mais na minha lista de desgostos porque realmente gostamos muito e atendeu às necessidades da nossa organização. Mas, com base na experiência, posso dizer alguns contras, como a necessidade de uma boa infraestrutura e o consumo de uma boa quantidade de memória e utilização de CPU. Também sentimos que, se o Nutch fornecesse um bom painel de controle e um tipo de painel administrativo, seria muito útil para nós. **Recomendações a outras pessoas considerando Apache Nutch:** Quando tivemos a necessidade de rastreamento, utilizamos diferentes ferramentas como StormCrawler, Scrapy, etc. Mas achamos esta ferramenta muito confiável e, o mais importante, de código aberto. Suas várias funcionalidades, como rastreamento automático, encontrar links internos para rastrear, analisar diferentes tipos de conteúdos, várias integrações, etc., nos levaram a optar por esta ferramenta e acredite, nunca nos arrependemos de usá-la. Melhor ferramenta de rastreamento. **Que problemas é Apache Nutch E como isso está te beneficiando?** Nossa necessidade de negócios é desenvolver um mecanismo de busca onde fornecemos uma lista de URLs para o nutch e ele rastreará todas essas URLs, bem como encontrará suas URLs internas e as rastreará também. Estávamos armazenando esses dados rastreados no banco de dados cassandra e, em seguida, havia o elastic search para atender à nossa consulta de busca. Isso estava funcionando perfeitamente e o nutch realmente nos ajudou a fornecer rastreamento com suas habilidades de analisar diferentes tipos de conteúdo e armazená-los. ### 3. Ferramenta de Rastreamento Web **Rating:** 5.0/5.0 stars **Reviewed by:** Sinem A. | Quality Assurance Test Engineer, Médio Porte (51-1000 emp.) **Reviewed Date:** December 14, 2020 **O que você mais gosta Apache Nutch?** Era uma ferramenta de código aberto à qual você pode adicionar seus próprios plugins. Você pode alterar seu próprio código como desejar. Era muito fácil de usar. Pode ser executado com diferentes ferramentas também. **O que você não gosta Apache Nutch?** Você deve saber qual versão do nutch é adequada para outras ferramentas com as quais você trabalha. **Que problemas é Apache Nutch E como isso está te beneficiando?** Eu o utilizei enquanto estava fazendo minha tese para rastrear páginas da web turcas para o meu algoritmo de mecanismo de busca aprimorado. Também o utilizei no trabalho em um projeto de mecanismo de busca turco. ### 4. Eu sou desenvolvedor de big data na KICS, UET Lahore, Paquistão. **Rating:** 3.5/5.0 stars **Reviewed by:** Naser A. | Research Officer, Médio Porte (51-1000 emp.) **Reviewed Date:** August 19, 2020 **O que você mais gosta Apache Nutch?** Tenho usado o Apache Nutch há 3 ou 4 anos, gosto dele como uma ferramenta de código aberto que pode rodar em um sistema com especificações normais e rastrear milhões de páginas. **O que você não gosta Apache Nutch?** * Eu não gosto do seu algoritmo de criação de sementes, ele cria clusters e depois entra em um loop para rastrear os mesmos sites quando já rastreou milhões de páginas. * Sua configuração não é fácil. * As automações de trabalho não são fornecidas. * A documentação não é boa. * O suporte não é bom. **Recomendações a outras pessoas considerando Apache Nutch:** Não é fácil nos primeiros dias, mas uma vez configurado, supera suas expectativas. **Que problemas é Apache Nutch E como isso está te beneficiando?** Eu busquei um grande número de sites que contêm linguagem específica para construir um mecanismo de busca local. ### 5. Nutch é uma ferramenta de raspagem leve que possui uma curva de aprendizado trivial em sua adoção. **Rating:** 5.0/5.0 stars **Reviewed by:** Prafulla R. | Technical Architect, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** December 04, 2020 **O que você mais gosta Apache Nutch?** -Armazenamento de backend estável **O que você não gosta Apache Nutch?** O uso de Java o torna um pouco volumoso É preciso ter cuidado com o tamanho do heap, caso contrário, erros de OOM são inevitáveis. **Recomendações a outras pessoas considerando Apache Nutch:** Esteja atento à configuração do tamanho do Heap no arquivo de configuração. Além disso, use o HBase como armazenamento de dados NoSQL para armazenar dados coletados. **Que problemas é Apache Nutch E como isso está te beneficiando?** Implementação de mecanismo de comparação de produtos de eCommerce. Nutch permite a coleta de dados de maneiras éticas. ### 6. para a profundidade **Rating:** 4.5/5.0 stars **Reviewed by:** Krishnan S. | Software Engineer, Médio Porte (51-1000 emp.) **Reviewed Date:** December 05, 2020 **O que você mais gosta Apache Nutch?** Crawl de URL é uma função excelente para ler o conteúdo. Nutch é uma ferramenta muito útil para ler o conteúdo no documento de várias profundidades. **O que você não gosta Apache Nutch?** Um pouco difícil personalizar a função de rastreamento. **Recomendações a outras pessoas considerando Apache Nutch:** Muito bom ferramenta para usar. **Que problemas é Apache Nutch E como isso está te beneficiando?** Preparou o conteúdo para o mecanismo de busca para uma página web estática. ### 7. Butch é um rastreador web de código aberto altamente escalável. Ele pode ser personalizado de acordo com os requisitos. **Rating:** 4.0/5.0 stars **Reviewed by:** Ruchika J. | Hadoop Developer, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** August 18, 2020 **O que você mais gosta Apache Nutch?** Plugins para indexação e pesquisa. Integração com solar e outras ferramentas. Funciona bem em clusters Hadoop também. **O que você não gosta Apache Nutch?** Falta de comunidade para discutir qualquer questão ou preocupação. Falta de documentos para a implementação e integração do nutch. **Recomendações a outras pessoas considerando Apache Nutch:** Para web crawling e mineração de dados, você pode facilmente implementar o nutch com outras tecnologias de big data. **Que problemas é Apache Nutch E como isso está te beneficiando?** Crawl the web: This means: Use a web in. The. data. The. based. The.. The.. The.. The. The... The..................................................., and..................,...................................................... is...................................................................................................................................................................... the.., and.......................................................................................................... placement.............................................................................................................................................................. a.....................................................ick...... -............................................................... across..............................................................................................., and..................................................... and the.........,..................... of............................. panel................. of................. are.......................................... and................................,.............................. can..................s..of..ize......... -................ the.................x.em........S..........................,...................... of...ionS.........kinkinkin and...S.?.... in...sinkin.........s.....s....... ofS. a............, and.)kinkin. in. isnyans. in,..s. in.ynya.s..........................s.ns.......s.......s.......... with.................. in..ly... in. of and. of........). of......[....... of. of.. in...ness. it.. innyaful. in......or............. in...nyakin. in..........kinkin.......kinkinnyakin in.. Canvas.. the in.................. ........... play.. tone.. ### 8. Um ótimo rastreador da web para todas as necessidades de rastreamento **Rating:** 4.5/5.0 stars **Reviewed by:** Usama T. | Python Developer, Médio Porte (51-1000 emp.) **Reviewed Date:** July 10, 2020 **O que você mais gosta Apache Nutch?** Sua característica de rastrear a web completa com links de entrada e saída que a tornam um rastreamento contínuo. **O que você não gosta Apache Nutch?** Nós precisamos ter um conhecimento muito sólido de Apache Hadoop, Hbase, Zookeeper e configuração completa do ambiente. Nós temos que ser muito eficientes nisso para usar isso. Além disso, não podemos visualizar os dados do Hbase facilmente, o que também é muito difícil. **Que problemas é Apache Nutch E como isso está te beneficiando?** Estou trabalhando em um mecanismo de busca e, para isso, a coleta de dados é a necessidade básica que estou obtendo através do Apache Nutch. Posso coletar dados completos da web fornecendo alguns links e fazendo com que ele rastreie através de links de entrada e saída. ### 9. Nutch é um rastreador de código aberto confiável e maduro. **Rating:** 3.5/5.0 stars **Reviewed by:** Fred Z. | Founder, Empresa (> 1000 emp.) **Reviewed Date:** August 19, 2020 **O que você mais gosta Apache Nutch?** Eu implementei o Nutch várias vezes quando precisei configurar um rastreador rapidamente. É gratuito, simples, confiável, bem documentado e vem com uma integração OTS com o Apache Solr para busca. **O que você não gosta Apache Nutch?** O esquema de particionamento de diretório e arquivo para o rastreador pode ser um pouco confuso. **Recomendações a outras pessoas considerando Apache Nutch:** considere o Google Programmable Search Engine **Que problemas é Apache Nutch E como isso está te beneficiando?** É uma solução excelente se você precisar de um rastreador rápido, simples e gratuito. ### 10. Melhor para rastreamento da web **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Farmacêuticos | Pequena Empresa (50 ou menos emp.) **Reviewed Date:** December 14, 2020 **O que você mais gosta Apache Nutch?** Gosto da geração de índice padrão para rastreador **O que você não gosta Apache Nutch?** Quando trabalho com o sistema operacional Ubuntu, acho difícil configurar os caminhos dos diretórios. **Que problemas é Apache Nutch E como isso está te beneficiando?** Consegui integrar com sucesso o Apache Nutch aos ecossistemas Hadoop e Hive e definir os conteúdos baseados em regras nas páginas da web. ### 11. Realmente boa experiência usando o Apache Nutch. As capacidades de rastreamento são realmente boas. **Rating:** 5.0/5.0 stars **Reviewed by:** Navom S. | Software Developer, Empresa (> 1000 emp.) **Reviewed Date:** July 25, 2020 **O que você mais gosta Apache Nutch?** As capacidades de rastreamento em múltiplas camadas são realmente boas. A extração de dados de páginas da web é notável. **O que você não gosta Apache Nutch?** Com base no MapReduce, portanto, mais lento. Adicionar personalizações incluía escrever plugins e construí-los, sem recurso para injeção de dependência. **Recomendações a outras pessoas considerando Apache Nutch:** A implementação baseada em map reduce na implementação anterior é mais lenta. **Que problemas é Apache Nutch E como isso está te beneficiando?** Rastreamento de páginas da web e sites do governo para obter informações sobre dados relacionados a mudanças geográficas. ### 12. Ferramenta abrangente para raspagem e rastreamento da web **Rating:** 4.0/5.0 stars **Reviewed by:** Usuário Verificado em Internet | Médio Porte (51-1000 emp.) **Reviewed Date:** November 02, 2020 **O que você mais gosta Apache Nutch?** Fornece uma lista detalhada de recursos, tags HTML, mapas do site **O que você não gosta Apache Nutch?** Não havia muita documentação na época em que eu estava usando, o que tornava difícil de usar. **Que problemas é Apache Nutch E como isso está te beneficiando?** Rastejamos os URLs do nosso domínio e obtivemos informações úteis e relevantes. ### 13. Poderoso, mas não recomendado **Rating:** 1.5/5.0 stars **Reviewed by:** Imtiaz S. | Senior Software Engineer, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** July 10, 2020 **O que você mais gosta Apache Nutch?** Pode rastrear quase todos os tipos de conteúdos. Excelente sistema de plugins. Suporta diferentes backends de armazenamento. **O que você não gosta Apache Nutch?** Difícil de dominar. Requer uma curva de conhecimento íngreme. Documentação pobre. Muitas estão desatualizadas ou quebradas. Difícil de configurar para um sistema de produção. **Recomendações a outras pessoas considerando Apache Nutch:** Use o Apache Storm Crawler em vez disso. **Que problemas é Apache Nutch E como isso está te beneficiando?** Nós usamos o Apache Nutch para rastrear sites e indexá-los com o Solr. ### 14. Usei o Apache Nutch para um projeto de rastreamento **Rating:** 3.0/5.0 stars **Reviewed by:** Usuário Verificado em Software de Computador | Empresa (> 1000 emp.) **Reviewed Date:** July 10, 2020 **O que você mais gosta Apache Nutch?** Usei o Apache Nutch para rastreamento usando o Cygwin, em passos fáceis ele conseguiu ser configurado e ajudou na coleta dos dados desejados. **O que você não gosta Apache Nutch?** Para ser honesto, não vi nenhuma desvantagem nisso. **Que problemas é Apache Nutch E como isso está te beneficiando?** Ajudou a configurar o banco de dados em etapas fáceis ### 15. Usando Apache Nutch para minha pesquisa de tese **Rating:** 3.5/5.0 stars **Reviewed by:** Usuário Verificado em Segurança de Redes e Computadores | Pequena Empresa (50 ou menos emp.) **Reviewed Date:** August 24, 2020 **O que você mais gosta Apache Nutch?** O Apache Nutch é uma aplicação de fácil configuração que podemos usar para pesquisa. **O que você não gosta Apache Nutch?** É muito difícil encontrar artigos sobre o Apache Nutch. **Que problemas é Apache Nutch E como isso está te beneficiando?** Porque os recursos são muito difíceis de encontrar, principalmente sobre a configuração. ### 16. Revisão do Nutch **Rating:** 4.0/5.0 stars **Reviewed by:** Usuário Verificado em Educação Superior | Empresa (> 1000 emp.) **Reviewed Date:** August 14, 2020 **O que você mais gosta Apache Nutch?** Fácil de usar, suporte de uma grande comunidade de desenvolvedores **O que você não gosta Apache Nutch?** A interface padrão do motor de busca está muito desatualizada **Que problemas é Apache Nutch E como isso está te beneficiando?** Construindo um mecanismo de busca em árabe ### 17. Ótimo rastreador da web **Rating:** 4.0/5.0 stars **Reviewed by:** Usuário Verificado em Jornais | Médio Porte (51-1000 emp.) **Reviewed Date:** March 14, 2019 **O que você mais gosta Apache Nutch?** O Nutch suporta a busca distribuída, e o suporte ao Hadoop pode ser uma busca, armazenamento e indexação distribuída em várias máquinas. Outro ponto atraente é que ele fornece uma estrutura de plug-ins, tornando a análise de todos os tipos de conteúdo da web, uma variedade de coleta de dados, consulta, clusterização, filtragem e outras funções fáceis de estender. É por causa dessa estrutura que o desenvolvimento de plug-ins do Nutch é muito fácil, e plug-ins de terceiros também surgem incessantemente, aumentando muito a função e a reputação do Nutch. **O que você não gosta Apache Nutch?** A capacidade de personalização do rastreador do Nutch é relativamente fraca. Se o desenvolvimento secundário do rastreador Nutch for realizado, o tempo de compilação e o tempo de depuração do rastreador levarão muito tempo. **Que problemas é Apache Nutch E como isso está te beneficiando?** Quantidades massivas de dados podem ser obtidas de sites específicos, que podem ser filtrados e analisados de forma direcionada, e os resultados desses dados podem ser claramente exibidos diante de nós através de um determinado serviço. ### 18. Incrivelmente Eficiente Rastreamento Web **Rating:** 3.0/5.0 stars **Reviewed by:** Justin C. | CTO, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** March 19, 2019 **O que você mais gosta Apache Nutch?** Eu amo como é fácil de configurar e executar e como ele funciona em escala. Armazenar no Hadoop é muito simples. **O que você não gosta Apache Nutch?** Não é tão fácil de usar quanto ferramentas como Scrapy. **Que problemas é Apache Nutch E como isso está te beneficiando?** Distribuição em lote de rastreamento na web. ### 19. Bom rastreador de código aberto usado em produção na DARPA **Rating:** 4.0/5.0 stars **Reviewed by:** Usuário Verificado em Segurança de Redes e Computadores | Pequena Empresa (50 ou menos emp.) **Reviewed Date:** January 31, 2019 **O que você mais gosta Apache Nutch?** Suporte a proxy HTTP para que meu IP não seja bloqueado Bom filtro de tamanho de arquivo com controle avançado da largura de banda da rede Ouvi dizer que muitas grandes empresas e agências governamentais estão usando o Nutch em produção O Nutch possui um redutor paralelo para aproveitar várias conexões de rede e CPU multi-core **O que você não gosta Apache Nutch?** Eu gostaria que o Nutch tivesse suporte embutido para limitação de taxa Implementado em Java, que consome um pouco de memória **Recomendações a outras pessoas considerando Apache Nutch:** Use o redutor paralelo para diminuir o tempo de rastreamento **Que problemas é Apache Nutch E como isso está te beneficiando?** Rastreie credenciais vazadas no github ### 20. Revisão do Apache Nutch pela Apache **Rating:** 4.0/5.0 stars **Reviewed by:** Usuário Verificado em Tecnologia da Informação e Serviços | Médio Porte (51-1000 emp.) **Reviewed Date:** April 27, 2018 **O que você mais gosta Apache Nutch?** A obtenção e a análise são feitas separadamente por padrão, o que reduz o risco de um erro corromper a etapa de obtenção e análise de um rastreamento com Nutch. * Os plugins foram reformulados como resultado direto da remoção da dependência legada do Lucene para indexação e busca. * O número de plugins para processar vários tipos de documentos enviados com o Nutch foi refinado. Os únicos plugins de análise enviados com o Nutch agora são Feed (RSS/Atom), HTML, Ext, JavaScript, SWF, Tika e ZIP. O Nutch tem plugins de pontuação há bastante tempo e tem suportado coisas como cronogramas de obtenção adaptativos, e todos os dados do Nutch estão em bancos de dados e assim por diante, que são interrogados através das ferramentas de linha de comando, Java, e agora há uma interface REST emergente e também trabalho para criar um cliente Python para isso também. **O que você não gosta Apache Nutch?** Nutch não precisa estar em modo batch. Então, digamos que, como administrador de rastreamento do Nutch, seu cliente lhe deu a seguinte tarefa: "Consiga material específico de domínio de um banco de dados como o NTIS" (NTIS; o Serviço Nacional de Informação Técnica, serve como o maior recurso central para informações científicas, técnicas, de engenharia e de negócios financiadas pelo governo disponíveis hoje). O que isso realmente significa é o seguinte: **Que problemas é Apache Nutch E como isso está te beneficiando?** Esta página fornece comentários e reflexões sobre a adaptação do Nutch não apenas para buscar conteúdo HTML dinâmico acionado por AJAX/JavaScript, mas também para interagir com esse conteúdo (potencialmente várias vezes) dentro de um cenário de busca. ## Apache Nutch Discussions - [How to make use of apache nuts more easy ?](https://www.g2.com/pt/discussions/34687-how-to-make-use-of-apache-nuts-more-easy) - 1 upvote - [How can i programatically create new crawl jobs and control them?](https://www.g2.com/pt/discussions/31744-how-can-i-programatically-create-new-crawl-jobs-and-control-them) - 1 upvote - [View Apache Nutch pricing details and edition comparison](https://www.g2.com/pt/products/apache-nutch/reviews?section=pricing&secure%5Bexpires_at%5D=2026-05-13+09%3A37%3A05+-0500&secure%5Bsession_id%5D=1e7a1dbc-335d-4935-8057-cbd6a6322e61&secure%5Btoken%5D=89c546d6f5f89568a68357da5bc984dbc5bcbb344e9ad3134ac209e0a06d8a54&format=llm_user) ## Top Apache Nutch Alternatives - [spring.io](https://www.g2.com/pt/products/spring-io/reviews) - 4.5/5.0 (290 reviews) - [Apache Tika](https://www.g2.com/pt/products/apache-tika/reviews) - 4.7/5.0 (13 reviews) - [JHipster](https://www.g2.com/pt/products/jhipster/reviews) - 4.4/5.0 (83 reviews)