crawlzilla 新版

v 1.0

目標

• 多人共用版本
• 網頁介面更新
• 加入排程等新功能
• 更新 nutch 版本至 1.2
• svn 庫上的安裝測試模式
• slave安裝可搭配網頁引導

系統分析

目錄結構

• /home/crawler/crawlzilla

目錄1	目錄2	說明
./user/[admin,username]/	./IDB/XXX/meta	admin 為必有資料夾，username 為之後新增的使用者，XXX 為新增索引庫, meta 放每個索引庫的相關檔案
	./IDB/XXX/index~segments	index~segments 為 lucene db 的必要五個資料夾
	./tmp	該使用者正在運算的IndexDB
./workspace		hadoop 的運算資料夾
./slave/		給 slave 安裝需要的檔案
./meta/		dialog 產生的中間檔
./meta/tmp/		暫存檔

• /opt/crawlzilla/

目錄1	目錄2	說明
./tomcat	./webapps/UUU/XXX	對應到 UUU 的 XXX 索引庫
./nutch		nutch 的目錄
./main/		放 crawlzilla 的執行檔

• /var/log/crawlzilla/

目錄1	目錄2	說明
./hadoop-logs
./hadoop-pids
./shell-logs
./tomcat-logs

新舊 檔案＼目錄 對照

舊	==>	新	說明
/home/crawler/crawlzilla/logs	==>	刪除此鍊結
/home/crawler/crawlzilla/nutch	==>	刪除此鍊結
/home/crawler/crawlzilla/source	==>	/home/crawler/crawlzilla/slave
/home/crawler/crawlzilla/archieve/_DBName_	==>	/home/crawler/crawlzilla/user/admin/IDB/_DBName_
/home/crawler/crawlzilla/tmp	==>	/home/crawler/crawlzilla/tmp
/home/crawler/crawlzilla/urls	==>	/home/crawler/crawlzilla/meta/urls
/home/crawler/crawlzilla/.metadata/_DBName_	==>	/home/crawler/crawlzilla/user/admin/IDB/_DBName_/meta
/home/crawler/crawlzilla/.menu_tmp	==>	/home/crawler/crawlzilla/meta/menu_tmp
/home/crawler/crawlzilla/system/	==>	於下說明

• /home/crawler/crawlzilla/system:

舊	==>	新	說明
執行檔	==>	/opt/crawlzilla/main/執行檔	如 crawlzilla, install, go.sh ...
lang/	==>	/opt/crawlzilla/main/lang/	語言檔資料夾
hosts	==>	/home/crawler/crawlzilla/meta/
hosts.old	==>	/home/crawler/crawlzilla/meta/
hosts.bak	==>	/home/crawler/crawlzilla/meta/
version	==>	/opt/crawlzilla/version
crawl_nodes	==>	/home/crawler/crawlzilla/meta/
crawl_nodes.bak	==>	/home/crawler/crawlzilla/meta/
crawl_nodes.old	==>	/home/crawler/crawlzilla/meta/

環境參數

(以下為舊的)

• Crawlzilla_Install_PATH="/opt/crawlzilla"
• Tomcat_HOME="/opt/crawlzilla/tomcat"
• Crawlzilla_HOME="/home/crawler/crawlzilla"
• Work_Path=$Crawlzilla_HOME/system
• Manu_Tmp_Path="/home/crawler/crawlzilla/meta"
• Hadoop_Daemon="/opt/crawlzilla/nutch/bin/hadoop-daemon.sh"
• PID_Dir="/var/log/crawlzilla/hadoop-pids"
• Crawl_Nodes=$Crawlzilla_HOME/meta/crawl_nodes

功能

shell

• 狀態
• 運算設定
• 快速設定
• 網頁伺服器設定
• 多人版帳號管理
• 語言切換
• slave安裝提示