使用Docker分布式部署爬虫系统Pyspider

阅读准备

  1. docker基础命令,docker-compose基础
  2. pyspider基础

如果您不熟悉上面的内容,可以先网上查阅有关资料。

1. 创建网络接口

首先,创建一个Driver为bridge的网络接口,命名为pyspider
docker network create --driver bridge pyspider

  • 说明1: 需要创建该网络接口的原因是:在下面创建Docker容器的过程中,我们使用了dockerdocker-compose分别创建了不同的服务。按正常来说,如果都使用docker-compose来创建服务会更好;但是这里有些特殊需求,所有就混合使用dockerdocker-compose来创建服务了。

  • 说明2:直接使用docker命令创建容器时,容器的默认网络接口使用的是NAMEbridge的接口;而使用docker-compose时,默认的网络接口使用的不是NAMEbridge的接口,而是根据docker-compose.yml文件所在目录命名的网络接口。如,我的docker-compose.yml文件在目录Pyspider下,则使用docker-compose时的默认网络接口就是pyspider_default。所以,如果我们使用dockerdocker-compose时,默认的情况下它们属于不同的子网,网络不互通,这不是我们想要的。dokcerdocker-compose的网络接口都可以通过参数自定义,从而实现它们的服务的网络互通,所有我们才自己创建一个网络接口。

  • 说明3:

    • 可以通过命令docker network ls查看已有的网络接口,如下图:
      docker网络接口
    • 可以通过docker network inspect bridge命令查看网络接口的详细信息。如NAMEbridge的详细信息如下图:
      查看网络接口信息

资料: https://docs.docker.com/engine/userguide/networking/

2. 创建Redis服务

运行命令:docker run --network=pyspider --name redis -d -p 6379:6379 redis 创建Redis服务。

  • 说明1:其中,参数--network=pyspider指定使用pyspider网络接口。我们可以使用docker inspect redis | grep IPA查看该容器的ip地址,如下图:
    查看容器ip地址

    我们还可以通过docker logs reids查看容器redis的日志输出,来观察redis服务是否正常运行。

3. 创建mysql服务

运行:docker run --network pyspider -p 3306:3306 --name pymysql -v /Users/andy/Pyspider/mysql/conf/my.cnf:/etc/mysql/my.cnf -v /Users/andy/Pyspider/mysql/logs:/logs -v /Users/andy/Pyspider/mysql/data:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=root123 -d mysql以创建mysql服务。

  • 说明:
    • 指定网络接口--network=pyspider
    • -p 3306:3306指定端口号
    • -v /Users/andy/Pyspider/mysql/conf/my.cnf:/etc/mysql/my.cnf指定mysql配置文件
    • -v /Users/andy/Pyspider/mysql/logs:/logs指定日志目录
    • -v /Users/andy/Pyspider/mysql/data:/var/lib/mysql指定mysql的数据文件存储目录
    • -e MYSQL_ROOT_PASSWORD=root123指定root账户的密码为root123

docker inspect pymysql | grep IPA查看mysql容器的ip地址。

mysql容器ip地址

4. 创建pyspider的scheduler服务

运行:docker run --network=pyspider --name scheduler -d -p 23333:23333 --restart=always binux/pyspider --taskdb "mysql+taskdb://root:root123@172.20.0.2:3306/taskdb" --resultdb "mysql+projectdb://root:root123@172.20.0.2:3306/resultdb" --projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --message-queue "redis://172.20.0.3:6379/0" scheduler --inqueue-limit 10000 --delete-time 3600

  • 参数说明

    • --network=pyspider指定网络接口
    • -p 23333:23333指定端口
    • root:root123@172.20.0.2:3306为mysql服务的ip地址,端口,用户名和密码
    • redis://172.20.0.3:6379/0为redis服务的配置。
    • 命令运行成功后,可以通过docker logs scheduler查看scheduler服务的运行情况。
  • 查看scheduler的ip地址为:172.20.0.4,方便后边使用。

  • pyspider分布式部署中,scheduer服务只能创建一个。

5. 使用docker-compose创建pyspider的其它组件

配置文件docker-compose.yml的内容如下:

version: '2'
services:
  phantomjs:
    image: 'binux/pyspider:latest'
    command: phantomjs
    cpu_shares: 256
    environment:
      - 'EXCLUDE_PORTS=5000,23333,24444'
    expose:
      - '25555' # 暴露端口25555给link到此service的容器
    mem_limit: 256m
    restart: always

  phantomjs-lb:
    image: 'dockercloud/haproxy:latest' # 使用haproxy使用负载均衡
    links:
      - phantomjs
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock # docker-compose v2版本中haproxy需要指定docker socket(MAC系统中)
    restart: always

  fetcher:
    image: 'binux/pyspider:latest'
    command: '--message-queue "redis://172.20.0.3:6379/0" --phantomjs-proxy "phantomjs:80" fetcher --xmlrpc' # fetcher以rpc的方式启动
    cpu_shares: 256
    environment:
      - 'EXCLUDE_PORTS=5000,25555,23333'
    links:
      - 'phantomjs-lb:phantomjs'
    mem_limit: 256m
    restart: always

  fetcher-lb:
    image: 'dockercloud/haproxy:latest' # 使用haproxy使用负载均衡
    links:
      - fetcher
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock # docker-compose v2版本中haproxy需要指定docker socket(MAC系统中)
    restart: always
    
  processor:
    image: 'binux/pyspider:latest'
    command: '--projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --message-queue "redis://172.20.0.3:6379/0" processor'
    cpu_shares: 256
    mem_limit: 256m
    restart: always
 
  result-worker:
    image: 'binux/pyspider:latest'
    command: '--taskdb "mysql+taskdb://root:root123@172.20.0.2:3306/taskdb"  --projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --resultdb "mysql+resultdb://root:root123@172.20.0.2:3306/resultdb" --message-queue "redis://172.20.0.3:6379/0" result_worker'
    cpu_shares: 256
    mem_limit: 256m
    restart: always
    
  webui:
    image: 'binux/pyspider:latest'
    command: '--taskdb "mysql+taskdb://root:root123@172.20.0.2:3306/taskdb"  --projectdb "mysql+projectdb://root:root123@172.20.0.2:3306/projectdb" --resultdb "mysql+resultdb://root:root123@172.20.0.2:3306/resultdb" --message-queue "redis://172.20.0.3:6379/0" webui --max-rate 0.3 --max-burst 3 --scheduler-rpc "http://172.20.0.4:23333/" --fetcher-rpc "http://fetcher/"'
    cpu_shares: 256
    environment:
      - 'EXCLUDE_PORTS=24444,25555,23333'
    ports:
      - '5000:5000' # webui的对外的端口为5000,可以通过http://localhost:5000访问webui服务。
    links:
      - 'fetcher-lb:fetcher' # link到其它负载均衡haproxy的服务。
    mem_limit: 256m
    restart: always

networks:
  default:
    external:
      name: pyspider #指定docker-compose的网络接口为:pyspider;实现和docker run方式创建容器的互通。
  • webui服务说明
    • --fetcher-rpc "http://fetcher/"是以服务名的方式指定webui链接到的fetcher服务,因为fetcher实例可以有很多个,我们如果用ip指定就不能起到负载均衡的目的了。
    • --scheduler-rpc "http://172.20.0.4:23333/"是webui直接用ip和port的方式链接到scheduler服务,因为scheduler只有一个。
    • command的其它参数可以参考pyspider的文档:http://docs.pyspider.org/en/latest/
  • haproxy的文档:https://github.com/docker/dockercloud-haproxy
  • docker-compose的文档:https://docs.docker.com/compose/

docker-compose.yml文件写好后,运行docker-compose up(要在docker-compose.yml所在目录)命令,docker-compose开始创建容器服务,如下图:

docker-compose up

所有组件服务创建完成后,访问:http://localhost:5000,即可看到webui界面。

如果想创建更多的fetcher, result_work, phantomjs容器实例,可以使用:docker-compose scale phantomjs=2 processor=4 result-worker=2docker-compose会自动帮你创建2个phantomjs服务,4个processor服务,2个result-worker服务;haproxy会自动实现负载均衡,如下图:

docker-compose scale

最后说明

  1. redis, mysql, scheudler服务的ip地址需要根据您的容器的ip具体而定。
  2. 我所使用的系统为MAC,dokcer版本为:Version 17.06.0-ce-mac19 (18663)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,688评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,559评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,749评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,581评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,741评论 3 271
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,684评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,122评论 2 292
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,847评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,441评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,939评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,333评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,783评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,275评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,830评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,444评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,553评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,618评论 2 249

推荐阅读更多精彩内容