Docker上封装scrapy-redis爬虫，架设到云服务器上

需求

• 编写了一个scrapy-redis爬虫想要封装在docker中
• 云服务器上架设redis服务，爬虫可以使用redis来调度（服务器同时作为master和slave）

具体实施

云服务器环境准备

操作场景：云服务器

安装redis

• 安装redis服务端并启动（redis-server）

    sudo apt-get update
    sudo apt-get install redis-server
    nohup redis-server &
  

• 检测redis是否启动成功（redis-cli）

    ps -ef |grep redis
  

• redis conf配置修改，bind本地ip和内网段IP

    vi /etc/redis/redis.conf
  

---

• bind 127.0.0.1 10.11.1.100
  

• 重启redis服务

    sudo service redis-server restart
  

• 使用redis-cli本地连接运行

    redis-cli
    keys *
  

本地docker镜像安装

操作场景：本地服务器

在爬虫目录下创建Dockerfile

vi Dockerfile

---

FROM python:2.7-onbuild
RUN pip install -r requirements.txt
ENTRYPOINT ["scrapy"]
CMD ["crawl", "spider1"]

在该目录下创建docker镜像

docker build -t spiderdocker：1 .

docker images查看镜像

docker images

---

REPOSITORY          TAG                 IMAGE ID            CREATED             SIZE
spiderdocker        1                   00d299391ce        2 hours ago         781MB

镜像保存为1.tar，上传到云服务器上

docker save -o 1.tar
scp 1.tar root@云服务器ip:/docker

爬虫镜像导入并启动

操作场景：云服务器

• 镜像导入

    docker load < 1.tar
  

• 正常启动不带参数（默认的为运行spider1爬虫）

    docker run spiderdocker:1 
  

• 正常启动带参数(这里表示运行spider2爬虫)

    docker run spiderdocker crawl spider2
  

• 后台启动（默认的为运行spider1爬虫）

    docker run -d spiderdocker:1
  

• 后台启动带参数（这里表示运行spider2爬虫)

    docker run -d spiderdocker:1 crawl spider2
  

• 查看运行的容器

    docker ps -a
  

• 爬虫镜像启动后，爬虫就会去redis队列消费任务了，此时需要做的就是将爬虫任务投放给redis了

知识点（坑）

1. redis配置文件中bind，在云服务器上必须设置为云服务器的内网ip或者0.0.0.0,否则docker中的爬虫无法连接到，至于安全问题，可以通过设置redis用户名密码或者防火墙规则去规避
2. 已经生成的docker镜像文件不要随便删除，以方便之后修改完代码重新生成镜像时可以从本地直接拉取