这与solr5.3.15-nutch here相似，但是有一些额外的皱纹。首先，作为背景，我尝试了solr 4.9.1和nutch，没有任何问题。然后移动到solr 6.0.1。集成作为一个独立的工具很好，并且得到了后端代码来解析json等。但是，最终，我们需要安全性，而不想使用Kerberos。根据Solr安全文档，基本认证和基于规则的认证（这正是我们想要的）只能在云模式下工作（另外，如果任何人有建议让非Kerberos安全工作在独立模式下工作，好）。因此，通过Solr-Cloud-Ref的文档，使用交互式启动并采取了所有默认设置，除了我作为“nndcweb”而不是“启动”的集合的名称之外。我采取的配置是data_driven_schema_configs。为了整合nutch，我做了很多尝试。根据迄今为止我所能找到的数据，我只会给出最接近最后的2个。从早先的堆栈溢出引用，我尝试的最后一个是（注意所有的url都有http：//，但是Stackoverflow的发布系统在抱怨，所以为了这篇文章我把它们拿出来了）：将nutch 1.11与solr 6.0.1云集成
bin/nutch索引抓取/ crawldb -linkdb抓取/ linkdb -D solr.server.url = localhost：8939/solr/nndcweb/-Dsolr.server.type = cloud -D solr.zookeeper.url = localhost：9983/-dir爬/区段/ * -normalize
我结束了同一个问题中提到的前一个线程指出：即，
线程“main”中的异常java.lang.IllegalArgumentException：java.net.URISyntaxException：索引15处的方案名称中的非法字符：solr.server.url = localhost：8939/solr/nndcweb at org.apache.hadoop.fs .Path.initialize（Path.java:206） at org.apache.hadoop.fs.Path。（Path.java:172） at org.apache.nutch.indexer.IndexingJob.run（IndexingJob.java:217） at org.apache.hadoop.util.ToolRunner.run（ToolRunner.java:70） at org.apache.nutch.indexer.IndexingJob.main（IndexingJob.java:231） 引起：java.net.URISyntaxException：非法字符在索引15处的方案名称中：solr.server.url = localhost：8939/solr/nndcweb at java.net.URI $ Parser.fail（URI.java:2848） at java.net.URI $ Parser。 checkChars（URI.java:3021） at java.net.URI $ Parser.parse（URI.java:3048） at java.net.URI。（URI.java:746） at org.apache.hadoop.fs.Path.initialize（Path.java ：203）
我也尝试：
仓/ Nutch的solrindex本地主机：8983/solr的/ nndcweb爬行/ crawldb -linkdb爬行/ linkdb -Dsolr.server.type =云-D solr的。 zookeeper.url = localhost：9983/-dir crawl/segments/* -normalize
并得到同样的结果。在solrindex上做一个帮助表示使用-params和“&”来分隔选项（与使用-D相比）。但是，这只能告诉我的Linux系统尝试在后台运行一些奇怪的事情，当然。
有没有人对接下来要做什么有什么建议？谢谢！
更新 我更新了上面使用的命令，以反映对我做出的愚蠢错误的更正。请注意，实际上所有的url引用都有http：//前缀，但我必须将它们发布才能发布。尽管修复了，但我仍然得到相同的例外（虽然我用它取代原来的样本，再次使用http：//删除......这会使事情变得混乱......对此感到抱歉...）。
又一个更新 所以......这很有趣。使用solrindex选项，我只是从动物园管理员的URL中取出端口。只需localhost（使用http：//前缀）。 15个字符。 URISyntaxException说问题在索引18处（来自org.apache.hadoop.fs.Path.initialize（Path.java:206））。这确实发生与“solr.zookeeper.url =”中的“=”匹配。所以，似乎hadoop.fs.Path.intialize（）将整个字符串作为url。所以也许我没有正确设置它？或者这是hadoop中的错误？这很难相信。
一个几乎没有更新 Alright..given最后一次尝试的结果，我决定把云solr.type并在Nutch的-site.xml的配置文件中zookeeper.url。然后做：
斌/ Nutch的solrindex http://localhost:8983/solr/nndcweb爬行/ crawldb -linkdb爬行/ linkdb -dir爬/区段-normalize
（great..no投诉的网址现在从StackOverflow上）。没有乌里例外了。现在，我得到的错误是：
（在顶部切割空话）
Indexing 250 documents
Indexer: java.io.IOException: Job failed!
at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:836)
at org.apache.nutch.indexer.IndexingJob.index(IndexingJob.java:145)
at org.apache.nutch.indexer.IndexingJob.run(IndexingJob.java:222)
at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:70)
at org.apache.nutch.indexer.IndexingJob.main(IndexingJob.java:231)
挖掘更深的Nutch的日志，我看到以下内容：
没有收藏帕拉姆上请求指定并且没有设置默认收集。
显然，这已在Nutch Mailing列表中提到，与Nutch 1.11和Solr 5（云模式）有关。那里有人提到它不会工作，但会上传一个补丁（这是在2016年1月）。在nutch开发网站上搜索，我没有在这个问题上遇到过任何东西......对于nutch 1.13有点类似，这显然没有正式发布。不过周围挖，但如果有人居然有这方面的工作在某种程度上，我很想听听你是怎么做的..
编辑七月12-2016
因此，在另一个不相关的几个星期后，改道项目，我回到了这个。在下面看到S. Doe的回应之前，我决定尝试给ElasticSearch一个试试看，因为这是一个全新的项目，我们还没有被绑定到任何东西。到现在为止还挺好。 Nutch和它一起工作得很好，但是为了使用分布式的二进制文件，我必须将Elasticsearch版本降低到1.4.1。尚未尝试安全性方面。出于好奇，我会尝试S. Doe对solr的建议，最终会发布如何......
嗨豪尔赫，@ jorge-luis，谢谢..我的零件错误端口规格。也最初，http：//部分在那里，但Stackoverflow不接受帖子，因为它认为我有太多的链接。所以，我把它从这里剥离出来。因此，对索引和solrindex，我确保它是http：// localhost：XXXX，适用于所有情况。非常奇怪的是，仍然得到相同的URISyntaxException问题（我真的认为你的修补程序会做到这一点）， –