| 
							 Apache Nutch(Java搜索引擎框架)是一个开放源代码的Java搜索引擎框架,它提供了运行自己的搜索引擎所需要的全部工具,包括全文搜索和Web爬虫,使用Nutch不仅可以建立自己内部网的搜索引擎,同时也可以针对整个网络建立搜索引擎。除了基本的功能之外,Nutch也还有不少自己的特色,如Map-Reduce、Hadoop、Plugin等。 
Nutch目标: 
Nutch 致力于让每个人能很容易, 同时花费很少就可以配置世界一流的Web搜索引擎. 为了完成这一宏伟的目标, Nutch必须能够做到: 
每个月取几十亿网页 
为这些网页维护一个索引 
对索引文件进行每秒上千次的搜索 
提供高质量的搜索结果 
Nutch的运行流程: 
1.将起始 URL 集合注入到 Nutch 系统之中。 
2.生成片段文件,其中包含了将要抓取的 URL 地址。 
3.根据URL地址在互联网上抓取相应的内容。 
4.解析所抓取到的网页,并分析其中的文本和数据。 
5.根据新抓取的网页中的URL集合来更新起始URL集合,并再次进行抓取。 
6.同时,对抓取到的网页内容建立索引,生成索引文件存放在系统之中。 
							 |