scrapyd部署_如何通过 Scrapyd + ScrapydWeb 简单高效地部署和监控分布式爬虫项目
来自 Scrapy 官方账号的推荐
需求分析
初级用户:
只有一台开发主机
能够通过 Scrapyd-client 打包和部署 Scrapy 爬虫项目,以及通过 Scrapyd JSON API 来控制爬虫,感觉 命令行操作太麻烦 ,希望能够通过浏览器直接部署和运行项目
专业用户:
有 N 台云主机,通过 Scrapy-Redis 构建分布式爬虫
希望集成身份认证
希望在页面上直观地查看所有云主机的运行状态
希望 能够自由选择部分云主机,批量部署和运行爬虫项目,实现集群管理
希望自动执行日志分析,以及爬虫进度可视化
希望在出现特定类型的异常日志时能够及时通知用户,包括自动停止当前爬虫任务
动图展示
集群多节点部署和运行爬虫项目:
安装和配置
请先确保所有主机都已经安装和启动 Scrapyd ,如果需要远程访问 Scrapyd,则需将 Scrapyd 配置文件中的 bind_address 修改为 bind_address = 0.0.0.0 ,然后重启 Scrapyd。
开发主机或任一台主机安装 ScrapydWeb : pip install scrapydweb
运行命令 scrapydweb -h , 将在当前工作目录生成配置文件 scrapydweb_settings.py ,可用于下文的自定义配置。
启用 HTTP 基本认证: ENABLE_AUTH = True
USERNAME = 'username'
PASSWORD = 'password'
添加 Scrapyd server,支持字符串和元组两种配置格式,支持添加认证信息和分组/标签: SCRAPYD_SERVERS = [
'127.0.0.1',
# 'username:password@localhost:6801#group',
('username', 'password', 'localhost', '6801', 'group'),
]
通过运行命令 scrapydweb 启动 ScrapydWeb
访问 Web UI
Overview 页面自动输出所有 Scrapyd server 的运行状态
通过分组和过滤可以自由选择若干台 Scrapyd server,调用 Scrapyd 提供的所有 HTTP JSON API,实现 一次操作,批量执行
部署项目
支持指定若干台 Scrapyd server 部署项目
通过配置 SCRAPY_PROJECTS_DIR 指定 Scrapy 项目开发目录, ScrapydWeb 将自动列出该路径下的所有项目,选择项目后即可自动打包和部署指定项目:
如果 ScrapydWeb 运行在远程 服务器 上,除了通过当前开发主机上传常规的 egg 文件,也可以将整个项目文件夹添加到 zip/tar/tar.gz 压缩文件后直接上传即可,无需手动打包:)
运行爬虫
通过下拉框直接选择 project,version 和 spider
支持传入 Scrapy settings 和 spider arguments
同样支持指定若干台 Scrapyd server 运行爬虫
日志分析和可视化
默认情况下, ScrapydWeb 将在后台定时自动读取和分析 Scrapy log 文件并生成 Stats 页面
爬虫进度可视化
邮件通知
基于后台定时读取和分析 Scrapy log 文件, ScrapydWeb 将在满足特定触发器时发送通知邮件 ,邮件正文包含当前运行任务的统计信息。
1.添加邮箱帐号:
SMTP_SERVER = 'smtp.qq.com'
SMTP_PORT = 465
SMTP_OVER_SSL = True
SMTP_CONNECTION_TIMEOUT = 10
FROM_ADDR = 'username@qq.com'
EMAIL_PASSWORD = 'password'
TO_ADDRS = ['username@qq.com']
2.设置邮件工作时间和基本触发器,以下示例代表:每隔1小时或某一任务完成时,并且当前时间是工作日的9点,12点和17点, ScrapydWeb 将会发送通知邮件。
EMAIL_WORKING_DAYS = [1, 2, 3, 4, 5]
EMAIL_WORKING_HOURS = [9, 12, 17]
ON_JOB_RUNNING_INTERVAL = 3600
ON_JOB_FINISHED = True
3.除了基本触发器, ScrapydWeb 还提供了多种触发器用于处理不同类型的 log ,包括 'CRITICAL', 'ERROR', 'WARNING', 'REDIRECT', 'RETRY' 和 'IGNORE'等。
LOG_CRITICAL_THRESHOLD = 3
LOG_CRITICAL_TRIGGER_STOP = True
LOG_CRITICAL_TRIGGER_FORCESTOP = False
# ...
LOG_IGNORE_TRIGGER_FORCESTOP = False
以上示例代表:当发现3条或3条以上的 critical 级别的 log 时, ScrapydWeb 自动停止当前任务 ,如果当前时间在邮件工作时间内,则同时发送通知邮件。
GitHub 开源
活捉几只官方大佬,赶紧前去围观吧,别忘了 Star 噢!
scrapyd部署_如何通过 Scrapyd + ScrapydWeb 简单高效地部署和监控分布式爬虫项目相关推荐
- svn增量打包部署_持续集成、持续交付、持续部署(CI/CD)简介
>>>推荐阅读<<< 1.性能测试学习笔记-场景设计 2.性能测试的重要意义 3.性能分析流程及方法 4.应用系统性能调优之性能分析 概述: 软件开发周期中需要一些 ...
- vue.js部署_如何将安全Vue.js应用程序部署到AWS
vue.js部署 本文最初发布在Okta开发人员博客上 . 感谢您支持使SitePoint成为可能的合作伙伴. 编写Vue应用程序直观,直接,快捷. Vue具有较低的进入门槛,基于组件的方法以及诸如热 ...
- gitlab ci 自动化部署_前端gitLab加jenkins自动化构建和部署,以及服务器常用的linux命令行操作,免密登录...
常用的linux命令行操作 将项目部署到服务器后,需要查看文件是否已经部署成功,已经对文件进行增删改查操作,就需要用到命令行操作,常用操作如下: ll 罗列出当前文件或目录的详细信息,含有时间.读写权 ...
- travis-ci自动部署_如何使用Travis CI设置高级自动部署
travis-ci自动部署 by Amir Off 由Amir Off 如何使用Travis CI设置高级自动部署 (How to set up advanced automatic deployme ...
- python爬虫 常用网站_给新手推荐几个实用又适合上手的Python爬虫项目
Python的前景光明不需要过多赘述了,那么作为新人如何快速上手这门语言呢?废话不多说,今天给大家分享三个极实用的Python爬虫案例. 1.爬取网站美图 爬取图片是最常见的爬虫入门项目,不复杂却能很 ...
- java 爬虫_探索Java 多线程爬虫及分布式爬虫架构
在我们调试爬虫程序的时候,单线程爬虫没什么问题,但是当我们在线上环境使用单线程爬虫程序去采集网页时,单线程就暴露出了两个致命的问题: 采集效率特别慢,单线程之间都是串行的,下一个执行动作需要等上一个执 ...
- python分布式爬虫框架_python之简单Scrapy分布式爬虫的实现
分布式爬虫:爬虫共用同一个爬虫程序,即把同一个爬虫程序同时部署到多台电脑上运行,这样可以提高爬虫速度. 在默认情况下,scrapy爬虫是单机爬虫,只能在一台电脑上运行,因为爬虫调度器当中的队列queu ...
- 纯手工打造简单分布式爬虫(Python)
https://www.cnblogs.com/qiyeboy/p/7016540.html 本章讲的依旧是实战项目,实战内容是打造分布式爬虫,这对初学者来说,是一个不小的挑战,也是一次有意义的尝试. ...
- scrapyd部署_第八章 第一节 scrapyd和scrapy-client
如果觉得文章对您产生帮助的话, 欢迎关注Python开发之路(微信公众号: python-developer), 及时获取更多教程 假设有我们做了一个项目是抓取很多网站(每个网站对应一个爬虫), 需要 ...
最新文章
- Web开发框架 SSH 简介
- 备忘之--apache下为站点添加错误页面
- linux php应用多台服务器架构,Nginx+PHP-FPM在两台服务器实现
- python 判断变量是否是 None 的三种写法
- MobileIMSDK怎样修改服务端核心jar包的源码并替换掉Java服务端的jar包
- jzoj4671-World Tour【图论,bfs】
- 探寻安全管理平台(SOC)项目的关键成功因素
- 桶排序(bucket sort)
- idea快捷键失效,快捷键不能用
- Lena图像分解成小块与从小块合成
- DUET DISPLAY实现分屏,IPAD做WINDOWS显示器副屏
- 劳务派遣人员管理办法范文
- C语言 输出斐波那契数列
- 回文数五位和六位c语言,特殊回文数
- python中实现函数不限制参数的数量
- springboot项目jar包发布的,如何线上修改jar包。
- Python 架设网站
- 网络工程师必备学习内容!深度理解OSPF——OSPF是什么?为什么要用OSPF?
- 快如闪电的Android模拟器
- mysqladmin的用法简介
热门文章
- Vue.js 极简小例: 点击事件
- Linux ping命令、Linux kill命令、Linux logname命令、 Linux logout命令
- Linux expr命令、Linux wc命令、Linux let 命令
- Git 分支管理-git stash 和git stash pop
- 单/双中括号与测试条件
- IE8兼容问题总结---trim()方法
- opencv:图像的基本变换
- 透明(颜色)渐变背景(颜色透明背景),兼容IE8
- UESTC 250 windy数 数位dp
- 安卓开发.四大组件.activity.1