Solr是否需要为Nutch的爬网数据编制索引？

我发现Nutch1.4只包含一个索引器/solrindex。Solr是Nutch索引已爬网数据的唯一方法吗？如果没有，还有哪些方法

---

我还想知道为什么Nutch1.4使用Solr来索引数据。为什么不自己做呢？它不会增加这两个项目的耦合吗？

Solr在内部使用lucene自2005年以来，nutch被指定为Lucene的子项目。历史上，nutch使用Lucene索引，是一个成熟的搜索引擎（直到1.0版）。它具有爬行功能，甚至支持索引数据，并通过浏览器的UI查询索引数据（类似于谷歌搜索）

由于最初的设计是基于lucene的（这是另一个apache项目，在那个时期赢得了很多赞誉，现在仍然很流行），nutch代码没有改变或变得通用，因此可以使用其他索引框架。如果你想，那么你需要付出大量的努力来建立你的索引框架

在最新版本中（nutch 1.3版及更高版本），nutch开发团队意识到，由于需求和所需专业知识的变化，很难跟踪索引中涉及的工作最好将索引的责任委托给Solr（它是一个基于lucene的索引框架）。Nutch开发人员只关注爬行部分。所以现在nutch不是一个成熟的搜索引擎，而是一个成熟的网络爬虫

希望这能回答你的疑问。你可以浏览更多信息

最近发生的事情：

---

最近，有人正在努力为爬虫程序创建一个通用库（在commons下）。这个项目是一个将有一个网络爬虫所需的所有功能，并可用于创建爬虫。进一步的nutch版本将使用此库作为依赖项。

最后一个问题：关键词是模块化！通常，在开发（或寻找）软件时，您希望寻找一组集中的职责和简单的插件能力。Nutch擅长爬行，Solr擅长信息检索。