scrapy分布式爬虫部署

2019-01-08  本文已影响0人  田小田txt

本地部署

1.先安装两个库:
scrapyd:
scrapyd-client:
2.修改scrapy项目目录下的scrapy.cfg配置文件
3.爬虫部署成功后,可以运行的命令:

远端部署

在终端上登录服务器: DeepinScrot-1028
配置项目运行环境
修改scrapyd的配置文件,允许外网访问
DeepinScrot-3847 DeepinScrot-4059

注意:此时启动scrapayd服务6800端口还不能访问

step5:要去服务器安全组配置

DeepinScrot-4358 DeepinScrot-4434 DeepinScrot-4648 DeepinScrot-4902

最后部署爬虫项目到服务器:

首先需要修改scrapyd.egg (项目的配置文件)

[deploy]

url = http://118.24.255.219:6800

project=项目名称

之后的操作步骤与本地部署一致

如果涉及到数据库,则需要在远程服务器中安装mysql

sudo apt update
sudo apt-get install mysql-server mysql-client
紧接着根据提示设置数据数据库密码
修改配置文件允许外网访问
找到mysql配置文件并做如下修改:允许远程连接
sudo vi /etc/mysql/mysql.conf.d/mysqld.cnf

将 
bind-address= 127.0.0.1 
注释掉或则修改为
bind-address= 0.0.0.0

授权root账户允许远程访问:

grant all privileges on . to root@'%' identified by 'password' with grant option;
注意:如果还是不能远程访问就重启mysql服务
sudo service mysql stop sudo service mysql start
数据库的迁移和数据迁移
navicate可视化工具进行数据库的迁移,和查看操作

mongodb数据库的安装

sudo apt-get install mongodb
启动:
sudo service mongodb start 连接客户端报错参考如下网址: (输入:sudo systemctl enable mongodb) mongo
修改配置文件的路径
sudo vim /etc/mongodb.conf

redis数据库的安装

在远端服务器上安装redis数据库

分布式爬虫项目的部署

step1将项目修改为分布式

pip3 install scrapy-redis

#这里表示启用scrapy-redis里的去重组件,不实用scrapy默认的去重
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"

#使用了scrapy-redis里面的调度器组件,不使用scrapy默认的调度器
SCHEDULER = "scrapy_redis.scheduler.Scheduler"

#允许暂停,redis请求的记录不会丢失,不清除Redis队列,可以恢复和暂停
SCHEDULER_PERSIST = True

#下面这些是request的队列模式
#一般情况下使用第一种
#scrapy-redis默认的请求队列形式(有自己的优先级顺序)
#是按照redis的有序集合排序出队列的
#SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderPriorityQueue"

# scrapy_redis.pipelines.RedisPipeline 必须启用,才能够将数据存储到redis数据库中
ITEM_PIPELINES = {
    'example.pipelines.ExamplePipeline': 300,
    'scrapy_redis.pipelines.RedisPipeline': 400,
}

# 指定要存储的redis的主机的ip,默认存储在127.0.0.1

REDIS_HOST = 'redis的主机的ip'

# 定要存储的redis的主机的port,默认6379

REDIS_PORT = '6379'

上一篇 下一篇

猜你喜欢

热点阅读