Nutch中Web图基本类型和存储结构

类Node表示Web图中节点，基本信息包括：入链数、出链数、入链分数和元数据。出链分数通过入链分数除以出链数得到。

类LinkDatum表示Web图中链接，基本信息包括：链接、锚文本、分数、时间戳和链接类型（出链或入链）。

类LinkNode表示链接节点，包括链接和Node两部分。

类LoopSet表示链接构成的环，包含环中的链接集合。

Web图由抓取的段（主要是parse-data，可选包括crawl-fetch）生成，包括三部分：出链数据库、入链数据库和节点库。

设Web图所在目录为w，则：

出链数据库所在目录为w/outlinks/current；

老出链数据库所在目录为w/outlinks/old；

入链数据库所在目录为w/inlinks

节点库所在目录为w/nodes；

环数据库所在目录为w/loops；

路径所在目录为w/routes；

链接转储数据库所在目录为w/linkdump。

出链数据库为MapFile，键为链接字符串（源链接），值为LinkDatum（类型为出链，其中的链接为目标链接）。

入链数据库为MapFile，键为链接字符串（目标链接），值为LinkDatum（类型为入链，其中的链接诶为源链接）。

节点数据库为MapFile，键为节点链接字符串，值为Node。

环数据库为MapFile，键为链接Text，值为LoopSet。表示每个链接的环信息。

链接转储数据库为MapFile，键为链接Text，值为LinkNodes，表示每个链接的入链信息。