nutch 很多url unfetched的原因

bin/hadoop jar apache-nutch-1.7.job org.apache.nutch.crawl.CrawlDbReader crawl/crawldb  -stats -sort
会发现好多unfetched，原因是：
nutch-default.xml对generate的时候进行了，分数限制，只有大于0分的才会被generate。所以会有很多分数低的没被采集。
（将数据url dump 出来你会发现 unfetched的URL都是负分，而且负的挺大的）
考虑到注释掉：
      // consider only entries with a score superior to the threshold
      if (scoreThreshold != Float.NaN && sort < scoreThreshold) return;
最后还是觉得修改：
<property>
  <name>generate.min.score</name>
  <value>0</value>
  <description>Select only entries with a score larger than
  generate.min.score.</description>
</property>
value 为 -1