Hi, 2016-09-14 16:27 GMT+02:00 Jigal van Hemert | alterNET internet BV < > [email protected]>: > 2016-09-13 04:41:36,541 INFO indexer.CleaningJob - CleaningJob: deleted a > total of 2 documents > 2016-09-13 04:41:36,545 WARN mapred.FileOutputCommitter - Output path is > null in cleanup > 2016-09-13 04:41:37,313 INFO indexer.CleaningJob - CleaningJob: finished > at 2016-09-13 04:41:37, elapsed: 00:00:06 > > It claims to have deleted 2 documents, but there are plenty of 404 pages > still in the index. > > I think it's quite an old version of Nutch. There is a > lib/apache-nutch-1.8.jar file :-) > > As a workaround I now simply remove all documents which are indexed before today (as all pages are crawled and updated daily) by calling the update handler with a delete query. This is however not as it should work, or is it?
-- Met vriendelijke groet, Jigal van Hemert | Ontwikkelaar Langesteijn 124 3342LG Hendrik-Ido-Ambacht T. +31 (0)78 635 1200 F. +31 (0)848 34 9697 KvK. 23 09 28 65 [email protected] www.alternet.nl Disclaimer: Dit bericht (inclusief eventuele bijlagen) kan vertrouwelijke informatie bevatten. Als u niet de beoogde ontvanger bent van dit bericht, neem dan direct per e-mail of telefoon contact op met de verzender en verwijder dit bericht van uw systeem. Het is niet toegestaan de inhoud van dit bericht op welke wijze dan ook te delen met derden of anderszins openbaar te maken zonder schriftelijke toestemming van alterNET Internet BV. U wordt geadviseerd altijd bijlagen te scannen op virussen. AlterNET kan op geen enkele wijze verantwoordelijk worden gesteld voor geleden schade als gevolg van virussen. Alle eventueel genoemde prijzen S.E. & O., excl. 21% BTW, excl. reiskosten. Op al onze prijsopgaven, offertes, overeenkomsten, en diensten zijn, met uitzondering van alle andere voorwaarden, de Algemene Voorwaarden van alterNET Internet B.V. van toepassing. Op al onze domeinregistraties en hostingactiviteiten zijn tevens onze aanvullende hostingvoorwaarden van toepassing. Dit bericht is uitsluitend bedoeld voor de geadresseerde. Aan dit bericht kunnen geen rechten worden ontleend. ! Bedenk voordat je deze email uitprint, of dit werkelijk nodig is !
