因爲nutch中就有Hadoop，所以在其中配置Hadoop和原本的Hadoop配置幾乎相同。
唯一不同的就是要配置
1.所有節點的nutch-site.xml文件
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>http.agent.name</name>
<value>nutch-1.0</value>
<description>爬蟲和搜索此參數必須配置</description>
</property>
</configuration>
2.配置所有節點上的conf/crawl-urlfilter.txt文件
# skip file:, ftp:, & mailto: urls
-^(file|ftp|mailto):
# skip image and other suffixes we can't yet parse
-/.(gif|GIF|jpg|JPG|png|PNG|ico|ICO|css|sit|eps|wmf|zip|ppt|mpg|xls|gz|rpm|tgz|mov|MOV|exe|jpeg|JPEG|bmp|BMP)$
# skip URLs containing certain characters as probable queries, etc.
-[?*!@=]
# skip URLs with slash-delimited segment that repeats 3+ times, to break loops
-.*(/[^/]+)/[^/]+/1/[^/]+/1/
# accept hosts in MY.DOMAIN.NAME
# 允許下載所有
+^
# skip everything else
-.
然後
bin/hadoop dfs -put crawltest/urls urls（crawltest/urls 是自己定義的種子）
bin/nutch crawl urls -dir data -depth 3 -topN 10 （爬蟲將全部數據爬到data中）
爬完之後
bin/hadoop fs –get data data(竟然還要下載到本地！！！！！)
安裝tomcat
將Nutch主目錄下的WEB前端程序nutch-1.0.war複製到 ***/ tomcat/webapps/目錄下。
瀏覽器中輸入http://localhost:8080/nutch-1.0，將自動解壓nutch-1.0.war，在webapps下生成nutch-1.0目錄。
配置WEB前端程序中的nutch-site.xml文件，該文件所在目錄是***/tomcat/webapps/nutch-1.0/WEB-INF/classes/下，配置如下：
<property>
<name>http.agent.name</name> 不可少，否則無搜索結果
<value>nutch-1.0</value>
<description>HTTP 'User-Agent' request header.</description>
</property>
<property>
<name>searcher.dir</name>
<value>D:/data< alue> data是爬蟲生成的索引數據目錄。參數值請使用絕對路徑
<description>Path to root of crawl.</description>
</property>
(6)重啓tomcat。更改配置文件後必須重啓tomcat，否則不會生效。
(7)在http://localhost:8080/nutch-1.0下檢索關鍵字。
貌似有分佈式檢索的方法，下一步再研究