Apache Nutch 2.3.1在SolrCloud模式下执行SolrIndexer时连接被拒

我之前在集成Nutch和Solr Cloud的时候也碰到过一模一样的连接报错，结合你给出的错误信息，咱们从几个关键点来排查解决：

1. 先确认Solr Cloud集群是否正常运行 #

首先得排除Solr服务本身的问题：

• 直接在浏览器访问 http://10.11.22.156:8983/solr，如果能打开Solr Admin UI，说明服务基本正常；如果打不开，先检查Solr进程是否启动，或者集群有没有出现故障。
• 也可以用命令行测试：curl http://10.11.22.156:8983/solr/admin/collections?action=LIST，如果能返回集群的集合列表，说明Solr服务没问题。

2. 修正Nutch的Solr Cloud配置 #

因为你用的是Solr Cloud模式，不能直接配置单个Solr节点的地址，必须通过ZooKeeper来发现集群节点：

• 打开Nutch的conf/nutch-site.xml，检查以下两个配置项：
  • solr.server.url：设置为你要索引的Solr集合名称（比如my_crawled_docs），而不是单个Solr的URL。
  • solr.zookeeper.host：设置为你的ZooKeeper集群地址（比如10.11.22.156:2181，如果是多节点ZK就用逗号分隔，比如10.11.22.156:2181,10.11.22.157:2181）。
• 另外，确保conf/solrindex-mapping.xml中的字段映射和Solr集合的Schema匹配，避免后续索引时出现字段不匹配的问题。

3. 检查网络和端口连通性 #

运行Nutch的机器可能无法访问Solr节点的端口：

• 用ping 10.11.22.156测试网络是否可达，如果不通，先排查网络路由、防火墙设置。
• 用telnet 10.11.22.156 8983或者nc -zv 10.11.22.156 8983检查8983端口是否开放；同时也要检查ZK的2181端口是否能访问，因为Nutch需要和ZK通信来获取Solr节点信息。
• 如果是云环境，还要检查安全组规则，确保运行Nutch的机器能访问Solr和ZK的端口。

4. 解决版本兼容性问题 #

Nutch 2.3.1默认的Solr客户端版本比较旧，和Solr 6.6.3可能存在兼容性问题：

• 替换Nutchlib目录下的Solr相关jar包，比如将旧的solr-solrj-*.jar替换成Solr 6.6.3对应的solr-solrj-6.6.3.jar，同时还要替换相关的依赖包（比如httpclient、httpcore等，最好从Solr 6.6.3的dist目录下复制对应的jar）。

5. 正确执行solrindex命令 #

针对Solr Cloud模式，推荐使用ZK参数来执行索引命令，示例：

bin/nutch solrindex -Dsolr.zookeeper.host=10.11.22.156:2181 my_crawled_docs -all

如果还是想用Solr URL的方式，需要指定集合的完整URL：

bin/nutch solrindex http://10.11.22.156:8983/solr/my_crawled_docs -all

按照上面的步骤一步步排查，应该就能解决连接拒绝的问题了。

内容的提问来源于stack exchange，提问作者Hafiz Muhammad Shafiq