31 lines
834 B
Markdown
31 lines
834 B
Markdown
|
## Scrapy爬虫框架分布式实现
|
|||
|
|
|
|||
|
|
### 分布式爬虫原理
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
### Scrapy分布式实现
|
|||
|
|
|
|||
|
|
1. 安装Scrapy-Redis。
|
|||
|
|
2. 配置Redis服务器。
|
|||
|
|
3. 修改配置文件。
|
|||
|
|
- SCHEDULER = 'scrapy_redis.scheduler.Scheduler'
|
|||
|
|
- DUPEFILTER_CLASS = 'scrapy_redis.dupefilter.RFPDupeFilter'
|
|||
|
|
- REDIS_HOST = '1.2.3.4'
|
|||
|
|
- REDIS_PORT = 6379
|
|||
|
|
- REDIS_PASSWORD = '1qaz2wsx'
|
|||
|
|
- SCHEDULER_QUEUE_CLASS = 'scrapy_redis.queue.FifoQueue'
|
|||
|
|
- SCHEDULER_PERSIST = True（通过持久化支持接续爬取）
|
|||
|
|
- SCHEDULER_FLUSH_ON_START = True（每次启动时重新爬取）
|
|||
|
|
|
|||
|
|
### Scrapyd分布式部署
|
|||
|
|
|
|||
|
|
1. 安装Scrapyd
|
|||
|
|
2. 修改配置文件
|
|||
|
|
- mkdir /etc/scrapyd
|
|||
|
|
- vim /etc/scrapyd/scrapyd.conf
|
|||
|
|
3. 安装Scrapyd-Client
|
|||
|
|
- 将项目打包成Egg文件。
|
|||
|
|
- 将打包的Egg文件通过addversion.json接口部署到Scrapyd上。
|
|||
|
|
|