首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

Nutch获取失败,协议状态为: TEMP_MOVED

这个问题是由Nutch爬虫框架在获取网页时遇到的错误。"TEMP_MOVED"是一个HTTP状态码,表示临时重定向。当Nutch爬虫请求一个网页时,服务器返回了一个临时重定向的响应,导致获取失败。

解决这个问题的方法有以下几步:

  1. 检查URL:首先,确保要爬取的URL是正确的,并且没有任何拼写错误或格式问题。确保URL的协议(如http或https)正确,并且没有任何额外的空格或特殊字符。
  2. 跟踪重定向:使用网络调试工具(如浏览器的开发者工具或curl命令),跟踪URL的重定向路径。这将帮助你确定是否存在多个重定向,并找出导致Nutch获取失败的具体重定向。
  3. 更新Nutch配置:在Nutch的配置文件中,可以设置一些参数来处理重定向。例如,可以调整"protocol-httpclient"或"protocol-http"插件的配置,以允许或禁止重定向。查阅Nutch的官方文档以获取更多关于配置参数的信息。
  4. 检查服务器设置:有时,服务器可能会限制或禁止爬虫访问某些页面或目录。确保服务器的设置允许爬虫访问目标网页,并且没有任何防火墙或安全策略阻止了Nutch的请求。
  5. 更新Nutch版本:如果以上步骤都没有解决问题,尝试更新Nutch到最新版本。新版本可能修复了一些已知的问题和错误。

总结起来,当Nutch获取失败且协议状态为"TEMP_MOVED"时,我们需要检查URL的正确性,跟踪重定向路径,更新Nutch配置,检查服务器设置,并考虑更新Nutch版本。希望这些步骤能够帮助解决该问题。

请注意,由于要求不能提及特定的云计算品牌商,我无法提供与腾讯云相关的产品和链接。建议在腾讯云官方文档或咨询腾讯云的技术支持团队,以获取与该问题相关的腾讯云产品和解决方案的详细信息。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • 使用Redis实现高流量的限速器

    Redis是生产环境中默默无闻的主力配置。它不常用作主要的数据存储,但它可存储和访问临时数据(度量,会话状态,缓存等损失可以容忍的数据)方面有一个甜蜜点,并且速度非常快,不仅提供了最佳性能,还通过一组有用的内置数据结构提供了高效的算法。它是现代技术栈中最常见的主要部件之一。 Stripe的限速器建立在Redis的基础之上,直到最近,他们都运行在Redis 的一个非常Hot的实例上。服务器上有用于故障转移的follower,但在任何时候,只有一个节点处理每个操作。 你不得不佩服这样的系统。各种消息称,Redis可以在一个节点上每秒处理一百万次操作 - 我们项目不需要那么多,但是也有很多操作。每个速率限制检查都需要运行多个Redis命令,并且每个API请求都要通过很多速率的限制器。一个节点每秒处理大约数十到数十万个操作。 我们最终通过迁移到10个节点的Redis群集来实现这个目标。对性能的影响可以忽略不计,我们现在有一个简单的配置开关可以实现水平可伸缩性。 操作的限制 在更换系统之前,应该理解导致原始故障的原因和结果。 Redis的一个值得理解的特性是:它是一个单线程程序。但是会有后台线程处理一些像删除对象这样的操作,实际上所有正在执行的操作都堵塞在访问单个流控制点上。理解这点相对容易--Redis需要保证操作的原子性(无论是单一命令MULTI,还是 EXEC),这是源于它一次只执行其中一个操作的事实。 这个单线程模型确实是我们的瓶颈。 面对失败 即使以最大容量运营,我们发现Redis也会非常优雅地降级。主要表现:从与Redis交谈通信的节点观察到的基线连接性错误率增加 - 为了容忍发生故障的Redis,它们受到连接和读取超时(约0.1秒)的限制,并且与过载主机无法无法建立连接。 Redis这种表现虽然不是最佳的,但大部分时间情况都是好的。只有当合法 用户能够成功进行身份验证并在底层数据库上运行昂贵的操作时,它才会成为一个真正的问题,因为我们的目标是拦截巨大的非法流量冲击(即数量级超过允许的限制)。 这些流量峰值会导致错误率的成比例增加,并且许多流量还应该被允许通过,因为限速器默认是允许在错误情况下通过请求。这会给后端数据库带来更大的压力,这种压力在过载时不会像Redis那样优雅地失败。很容易看到数据库分区几乎完全无法操作。 Redis Cluster的分片模型 Redis的核心设计价值在于速度,而Redis集群的构建方式不会对此产生影响。与许多其他分布式模型不同,在其输出响应成功信号时,Redis集群中的操作并未在多个节点上进行确认,而是更像是一组独立的Redis通过分散空间来分担工作负载。这牺牲了高可用性,有利于保持操作的快速性 - 与标准的Redis独立实例相比,针对Redis群集运行操作的额外开销可以忽略不计。 分片是根据key进行的,可能的key总数分为16,384个插槽。key的插槽是通过稳定的哈希散列函数计算的,所有客户端都知道该如何操作: HASH_SLOT = CRC16(key) mod 16384 例如,如果我们想执行GET foo,我们会得到foo的以下插槽号: HASH_SLOT = CRC16("foo") mod 16384 = 12182 集群中的每个节点将处理16,384个插槽中的一部分,确切数量取决于节点数量。节点彼此通信以协调插槽分配以及可用性和插槽的再平衡。 客户端使用该CLUSTER系列命令来查询群集的状态。一个常见的操作是CLUSTER NODES获得插槽到节点的映射,其结果通常在本地缓存,并保持数据新鲜。 127.0.0.1:30002 master - 0 1426238316232 2 connected 5461-10922 127.0.0.1:30003 master - 0 1426238318243 3 connected 10923-16383 127.0.0.1:30001 myself,master - 0 0 1 connected 0-5460 我简化了上面的输出,但重要的部分是第一列中的主机地址和最后一个中的数字。5461-10922意味着这个节点处理开始于5461和结束于10922的插槽范围。 `MOVED`重定向 如果Redis群集中的某个节点接收到一个插槽不处理的的key的命令,则不会尝试向其他插槽转发该命令。相反,客户端会被告知在其他地方再次尝试。这是以MOVED新目标的地址作为回应的形式 : GET foo -MOVED 3999 127.0.0.1:6381 在集群重新平衡期间,插槽会从一个节点迁移到另一个节点,MOVED是服务器用于告诉客户端其插槽

    01
    领券