东莞市盛裕绒艺玩具有限公司

东莞市盛裕绒艺玩具有限公司

星投娱乐最新客服

13697664217
联系方式
全国服务热线: 13697664217

咨询热线:15565668898
联系人:潜龙军
地址:西藏自治省拉萨市色拉路第六安居园

如何通过 Scrapyd + ScrapydWeb 简单高效地部署和监控分布式爬虫项目

来源:星投娱乐最新客服   发布时间:2019-06-18   点击量:209

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,一键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

 

安装和配置

    所有主机都已经安装和启动 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 scrapydweb_settings.py 配置文件启用 HTTP 基本认证

    ENABLE_AUTH = TrueUSERNAME = "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

通过浏览器访问 http://127.0.0.1:5000,输入认证信息登录

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 JSON API,实现一次点击,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,自动打包和部署指定项目

 

如果 ScrapydWeb 并非运行于当前开发主机,除了支持上传常规的 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

 

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

ScrapydWeb 默认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

    配置邮箱认证信息

    SMTP_SERVER = "smtp.qq.com"SMTP_PORT = 465SMTP_OVER_SSL = TrueSMTP_CONNECTION_TIMEOUT = 10FROM_ADDR = "username@qq.com"EMAIL_PASSWORD = "password"TO_ADDRS = ["username@qq.com"]设置邮件工作时间和定时通知间隔,以下示例为: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 将会发送邮件告知当前运行任务的统计信息

    EMAIL_WORKING_DAYS = [1, 2, 3, 4, 5]EMAIL_WORKING_HOURS = [9, 12, 17]ON_JOB_RUNNING_INTERVAL = 3600ON_JOB_FINISHED = True

     

    基于后台定时执行日志分析,ScrapydWeb 提供多种 log 类型触发器及其阈值设置,包括 "CRITICAL", "ERROR", "WARNING", "REDIRECT", "RETRY", "IGNORE"等。以下示例为:当发现3条或3条以上的 critical 级别的 log 时自动停止当前任务,如果当前时间在邮件工作时间内,则同时发送通知邮件。

    LOG_CRITICAL_THRESHOLD = 3LOG_CRITICAL_TRIGGER_STOP = TrueLOG_CRITICAL_TRIGGER_FORCESTOP = False...LOG_IGNORE_TRIGGER_FORCESTOP = False

     

Github 开源

my8100 / scrapydweb 更多实用功能正在开发中,欢迎 Star 和提交 Issue

 

相关产品

COPYRIGHTS©2017 星投娱乐最新客服 ALL RIGHTS RESERVED 备案号:209