Windows 中的 Nutch：无法设置路径权限

我尝试在 Windows 计算机上使用 Solr 和 Nutch，但收到以下错误：

Exception in thread "main" java.io.IOException: Failed to set permissions of path: c:\temp\mapred\staging\admin-1654213299\.staging to 0700

从我了解到的很多线程中，nutch 似乎使用的 hadoop 做了一些工作chmod可以在 Unix 机器上运行的魔法，但不能在 Windows 上运行。

这个问题已经存在一年多了。我找到了一个线程，其中显示了代码行并提出了修复方案。难道我真的是唯一一个有这个问题的人吗？是否所有其他人都在创建自定义构建以便在 Windows 上运行 nutch？或者是否有一些选项可以禁用 hadoop 的东西或其他解决方案？也许是除了 nutch 之外的另一个爬虫？

这是我正在做的事情的堆栈跟踪：

    admin@WIN-G1BPD00JH42 /cygdrive/c/solr/apache-nutch-1.6
    $ bin/nutch crawl urls -dir crawl -depth 3 -topN 5 -solr http://localhost:8080/solr-4.1.0
    cygpath: can't convert empty path
    crawl started in: crawl
    rootUrlDir = urls
    threads = 10
    depth = 3
    solrUrl=http://localhost:8080/solr-4.1.0
    topN = 5
    Injector: starting at 2013-03-03 17:43:15
    Injector: crawlDb: crawl/crawldb
    Injector: urlDir: urls
    Injector: Converting injected urls to crawl db entries.
    Exception in thread "main" java.io.IOException: Failed to set permissions of path:         c:\temp\mapred\staging\admin-1654213299\.staging to 0700
        at org.apache.hadoop.fs.FileUtil.checkReturnValue(FileUtil.java:689)
        at org.apache.hadoop.fs.FileUtil.setPermission(FileUtil.java:662)
        at org.apache.hadoop.fs.RawLocalFileSystem.setPermission(RawLocalFileSystem.java:509)
        at org.apache.hadoop.fs.RawLocalFileSystem.mkdirs(RawLocalFileSystem.java:344)
        at org.apache.hadoop.fs.FilterFileSystem.mkdirs(FilterFileSystem.java:189)
        at org.apache.hadoop.mapreduce.JobSubmissionFiles.getStagingDir(JobSubmissionFiles.java:116)
        at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:856)
        at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:850)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Unknown Source)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1121)
        at org.apache.hadoop.mapred.JobClient.submitJobInternal(JobClient.java:850)
        at org.apache.hadoop.mapred.JobClient.submitJob(JobClient.java:824)
        at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1261)
        at org.apache.nutch.crawl.Injector.inject(Injector.java:281)
        at org.apache.nutch.crawl.Crawl.run(Crawl.java:127)
        at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65)
        at org.apache.nutch.crawl.Crawl.main(Crawl.java:55)

我花了一段时间才让它工作，但这是适用于 nutch 1.7 的解决方案。

1. 下载Hadoop 核心 0.20.2 http://mvnrepository.com/artifact/org.apache.hadoop/hadoop-core/0.20.2来自 Maven 存储库
2. Replace $NUTCH_HOME/lib/hadoop-core-1.2.0.jar将下载的文件重命名为相同的名称。

应该是这样。

解释

此问题是由 hadoop 引起的，因为它假设您在 unix 上运行并遵守文件权限规则。这个问题实际上在 2011 年就得到了解决，但是 nutch 没有更新他们使用的 hadoop 版本。相关修复是here https://issues.apache.org/jira/browse/HADOOP-7126 and here https://issues.apache.org/jira/browse/HDFS-1084