nutch 02 其它与nutch有关的工具说明

这些框架主要有Lucene、Hadoop、Solr、Tika、Gora、HBase等，其中
Nutch是网络爬虫
Lucene是全文检索工具包
Hadoop是分布式存储与计算
Gora是ORM的大数据版
Tika是内容分析工具包
上面那几个在以前都说过。
Solr是搜索服务器：
是一个独立的企业级应用服务器，它对外提供类似于webservice的api 接口。用户可以通过http 请求，搜索服务器提交一定格式的xml文件，生成索引，也可以通过http get 方式提出查的请求，并得到XML格式的返回结果。
    同时它是一个高性能，采用java 5开发，基于lucene的全文搜索服务器。同时对其进行了扩展，提供了比lucene更为丰富的查询语言，同时实现了可配置，可扩展，并对查询性能进行了优化，并且提供了一套完整的功能管理界面 ，是一款非常优秀的全文搜索引擎，
   
HBase是基于Hadoop的分布式数据库
    HBase（Hadoop DataBase）是一个分布式的，面向列的开源数据库，该技术源于google论文“bigtable:一个结构化数据的分布式存储系统”。就像bigtable,利用了google的文件系统（google file system GFS）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于bigtable的能力，类似google bigtable 利用GFS 作为其文件存储系统，HBase 利用Hadoop HDFS 作为其文件存储系统；google 运行MapReduce 来处理bigtable 中的海量数据，HBase 同样利用Hadoop MapReduce 来处理HBase 中的少海量数据；google Bigtable 利用Chubby 作为协同服务，HBase 利用Zookeeper作为对应，所以它是google bigtable 的实现。HBase是Hadoop的一个子项目。HBase不同于一般的关系型数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是它是基于列的，不是基于行的模式。
    HBase也可以是称之为高可靠性，高性能，面向列，可伸缩的分布式存储系统，利用HBase技术可以在廉价的pc server上面搭建起大规模的结构化存储集群。

 

由上图可以看出来，HBase 位于结构化存储层，HDFS 为HBase提供了高可靠性的底层存储支持，MapReduce 为HBase提供了高性能的计算能力，Zookeeper 为HBase 提供了稳定服务和failover 机制。pig和Hive 还为HBase提供了高层语言支持，使得在HBase上进行数据处理变得非常简单，sqoop 则为HBase 提供了方便的RDBMS 数据导入功能 ，使得传统数据库数据向HBase中迁移变得非常方便。 

以上这些都是java 开源框架，也许这才是java 的真正价值所在。