国外品牌网站建设,wordpress的网站国内网,logo图案设计,商业网点消防规范一、scrapyd的介绍
scrapyd是一个用于部署和运行scrapy爬虫的程序#xff0c;它允许你通过JSON API(也即是web api)来部署爬虫项目和控制爬虫运行#xff0c;scrapyd是一个守护进程#xff0c;监听爬虫的运行和请求#xff0c;然后启动进程来执行它们
scrapyd的安装
scr…一、scrapyd的介绍
scrapyd是一个用于部署和运行scrapy爬虫的程序它允许你通过JSON API(也即是web api)来部署爬虫项目和控制爬虫运行scrapyd是一个守护进程监听爬虫的运行和请求然后启动进程来执行它们
scrapyd的安装
scrapyd服务端: pip install scrapyd
scrapyd客户端: pip install scrapyd-client启动scrapyd服务
在scrapy项目路径下 启动scrapyd的命令sudo scrapyd 或 scrapyd。启动之后就可以打开本地运行的scrapyd浏览器中访问本地6800端口可以查看scrapyd的监控界面
点击Job可以查看任务监控
通过scrapyd部署scrapy项目
配置需要部署的项目编辑需要部署的项目的scrapy.cfg文件(需要将哪一个爬虫部署到scrapyd中就配置该项目的该文件) 部署项目到scrapyd
同样在scrapy项目路径下执行
scrapyd-deploy 部署名(配置文件中设置的名称) -p 项目名称
以上面配置文件为例子scrapyd-deploy Baidu -p my_spider 管理项目
启动项目
curl http://localhost:6800/schedule.json -d projectproject_name -d spiderspider_name这里就可以看到使用web api调度有多么麻烦了于是引入下面的gerapy
二、gerapy
什么是gerapy
Gerapy 是一款分布式爬虫管理框架支持 Python 3基于 Scrapy、Scrapyd、Scrapyd-Client、Scrapy-Redis、Scrapyd-API、Scrapy-Splash、Jinjia2、Django、Vue.js 开发Gerapy 可以帮助我们 更方便地控制爬虫运行更直观地查看爬虫状态更实时地查看爬取结果更简单地实现项目部署更统一地实现主机管理 通俗的解释Gerapy 的最主要的目标是将 Scrapyd 的命令行操作转化为直观的 Web 点击操作。它提供了一个可视化的 Web 界面让用户通过界面轻松地进行 Scrapy 项目的管理、监控和部署而不必直接使用 Scrapyd 的命令行
Gerapy的安装
执行如下命令等待安装完毕
pip3 install gerapy验证gerapy是否安装成功
在终端中执行 gerapy 会出现如下信息
Usage: gerapy init [--folder] gerapy migrate gerapy createsuperuser gerapy runserver []Gerapy配置启动
新建一个项目:gerapy init
执行完该命令之后会在当前目录下生成一个gerapy文件夹进入该文件夹会找到一个名为projects的文件夹 对数据库进行初始化(在gerapy目录中操作)执行如下命令
gerapy migrate 对数据库初始化之后会生成一个SQLite数据库数据库保存主机配置信息和部署版本等
启动 gerapy服务 gerapy runserver
此时启动gerapy服务的这台机器的8000端口上开启了Gerapy服务在浏览器中输入http://localhost:8000就能进入Gerapy管理界面在管理界面就可以进行主机管理和界面管理
通过Gerapy配置管理scrapy项目 添加主机 需要添加 IP、端口以及名称点击创建即可完成添加点击返回即可看到当前添加的 Scrapyd 服务列表,创建成功后,我们可以在列表中查看已经添加的服务 执行爬虫,就点击调度.然后运行. (前提是: 我们配置的scrapyd中,已经发布了爬虫.) 配置Projects.我们可以将scarpy项目直接放到 /gerapy/projects下 点击部署点击部署按钮进行打包和部署在右下角我们可以输入打包时的描述信息类似于 Git 的 commit 信息然后点击打包按钮即可发现 Gerapy 会提示打包成功同时在左侧显示打包的结果和打包名称。 选择一个站点点击右侧部署将该项目部署到该站点上 来到clients界面找到部署该项目的节点点击调度
三、基于docker-compose的方式
docker-compose的优势就不说了直接贴文件应该有人需要的
version: 3services:scrapyd:container_name: scrapydimage: germey/scrapyd:latest#network_mode: hostports:- 6800:6800volumes:- /opt/docker/scrapyd_gerapy/scrapyd/app:/apprestart: alwaysgerapy:container_name: gerapyimage: germey/gerapy:latest#environment:# - GERAPY_PORT8001有大佬知道如何覆盖镜像里的默认端口麻烦告知一下#network_mode: hostports:- 8001:8000volumes:- /opt/docker/scrapyd_gerapy/gerapy:/app/gerapydepends_on:- scrapydrestart: always
