标签：style blog http color ar art div log sp
webpage字段解释
webpage各阶段的字段值变化
ROW com.2345.www:http/ COL f : fi //fetchInterval COL f : ts //fetchTime
id
主键，根据网页url生成(格式：reversed domain name:protocol:port and path),因此，Nutch2只能保存当前网页的状态，而不能保存历史信息(这里说的不对，会保留历史版本的，每个row都有时间戳，会保留一定量的历史版本，过低的可能会删除)。
rowkey为 reversed domain name:protocol:port and path 举例： com.2345.www:http/
nutch基本是用 url 作为rowkey的， 用这个实现url的去重。 然后通过“fetchTime” 来看是否达到generate的日期。
标签：style blog http color ar art div log sp
原文地址：http://www.cnblogs.com/i80386/p/3949698.html
