0
点赞
收藏
分享

微信扫一扫

Scrapy部署之Scrapyd和Scrapyd-API

萧萧雨潇潇 2022-03-10 阅读 35


一、环境安装

安装scprayd,网址:https://github.com/scrapy/scrapyd

pip install scrapyd

安装scrapyd-client,网址:https://github.com/scrapy/scrapyd-client

pip install scrapyd-client

启动服务

scrapyd

环境测试: http://localhost:6800/

二、部署工程到scrapyd

修改爬虫工程的​​scrapy.cfg​​ 文件

[deploy]
url = http://localhost:6801/
username = scrapy
password = secret
project = myspider

[deploy:target]
url = http://localhost:6802/
username = scrapy
password = secret
project = myspider

command+N 新打开一个终端,进入到爬虫项目目录下,部署爬虫项目

# 部署单个服务器单个项目
scrapyd-deploy <target> -p <project> --version <version>

# 部署全部服务器单个项目
scrapyd-deploy -a -p <project>

target为你的服务器名称,没有指定target则为默认地址,project是你的工程名字

部署示例:

$ scrapy list                 # 检查项目爬虫

$ scrapyd-deploy -l # 查看项目

$ scrapyd-deploy # 部署默认项目到默认服务器
$ scrapyd-deploy -p myspider # 部署指定项目到默认服务器

$ scrapyd-deploy target # 部署默认项目到target服务器

$ scrapyd-deploy -a # 部署全部项目到全部服务器

三、启动爬虫

使用如下命令启动一个爬虫

curl http://localhost:6800/schedule.json -d project=PROJECT_NAME -d spider=SPIDER_NAME

PROJECT_NAME填入你爬虫工程的名字,SPIDER_NAME填入你爬虫的名字

我输入的代码如下:

curl http://localhost:6800/schedule.json -d project=myspider -d spider=baidu

因为这个测试爬虫写的非常简单,一下子就运行完了。查看网站的jobs可以看到有一个爬虫已经运行完,处于Finished一列中

四、停止爬虫

curl http://localhost:6800/cancel.json -d project=PROJECT_NAME -d job=JOB_ID

更多API可以查看官网:http://scrapyd.readthedocs.io/en/latest/api.html

五、自定义配置

当前目录下新建文件​​scrapyd.conf​​ 可以修改scrapyd服务启动的端口号,日志目录等信息

[scrapyd]
eggs_dir = eggs
logs_dir = logs
items_dir =
jobs_to_keep = 5
dbs_dir = dbs
max_proc = 0
max_proc_per_cpu = 4
finished_to_keep = 100
poll_interval = 5.0
bind_address = 127.0.0.1
http_port = 6800
debug = off
runner = scrapyd.runner
application = scrapyd.app.application
launcher = scrapyd.launcher.Launcher
webroot = scrapyd.website.Root

[services]
schedule.json = scrapyd.webservice.Schedule
cancel.json = scrapyd.webservice.Cancel
addversion.json = scrapyd.webservice.AddVersion
listprojects.json = scrapyd.webservice.ListProjects
listversions.json = scrapyd.webservice.ListVersions
listspiders.json = scrapyd.webservice.ListSpiders
delproject.json = scrapyd.webservice.DeleteProject
delversion.json = scrapyd.webservice.DeleteVersion
listjobs.json = scrapyd.webservice.ListJobs
daemonstatus.json = scrapyd.webservice.DaemonStatus

如果的pendding 任务较多,可以尝试修改 ​​poll_interval=1.0​

六、Scrapyd-API

项目地址:https://github.com/djm/python-scrapyd-api

用简单的 Python 代码就可以实现 Scrapy 项目的监控和运行

pip install python-scrapyd-api
from scrapyd_api import ScrapydAPI

scrapyd = ScrapydAPI('http://localhost:6800')
scrapyd.list_jobs('project_name')


参考:


  1. ​​ scrapyd部署总结​​
  2. ​​scrapyd部署、使用Gerapy 分布式爬虫管理框架​​
​​​​​​​​​​​




举报

相关推荐

0 条评论