Question

我想知道nutch是怎么进行搜索的？他的检索算法是什么，具体代码是哪部分？

我是想在nutch的基础上修改检索算法，还请熟悉的人指教

Answer 1

其实这个问题很复杂，但分层之后，就显得清晰多了。
1、nutch是一个搜索产品的半成品，自己完成网络爬虫的功能，参数配置非常复杂周详，而后加上lucene的搜索功能，再加上hadoop的云平台基础。
2、要想学习他检索要先学会lucene，他的检索的核心都是lucene，包括索引、查询、排序等核心环节。
3、具体代码我好长时间不看了，找下lucene in action等这样的书看吧，学习资料超多。

追问

nutch的检索算法是有全部使用lucene的吗？是不是做简化了？

追答

1、一般不会,lucene这样的顶级项目要用就用它的全部，主要是由于lucene所做的所有，都是nutch所必须提供的，包括分词、索引、查询、排序、索引及排序的优化等，都是必不可少的。
2、但是两个项目有时不同步的，即高低版本的问题，所以有时要特别注意nutch是使用的lucene的哪个版本，以免引起不必要的麻烦。

追问

我有看到说lucene的查询好像很复杂，模糊查询、布尔查询等等，nutch在调用的时候在查询上做了简化，是这样吗？

追答

1、你看到的那段nutch调用的lucene的代码段，只是一个demo而已，也就是那个nutch1.x.war中提供的，所以用的都是最典型的。
2、那个也就是学习用，要想商用或实用，都要进行二次开发，也就是根据实际需求去应用哪种查询策略。
所以并没有简化，而是demo的简用。