分布式部署

分布式部署就是实现多台电脑共同爬取数据

安装scrapy-redis

pip install scrapy-redis


自定义spider,settings.py

spider文件

class XcftwoSpider(RedisCrawlSpider):

另一种写法:

class XcftwoSpider(RedisSpider):

name = 'xcftwo'

allowed_domains = ['xiachufang.com']

redis_key = 'xcftwo:start_urls'

settings.py文件

# Configure item pipelines

# 设置DUPEFILTER_CLASS,使用scrapy_redis的去重组件, 不再使用scrapy自带的去重组件了

DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"

# 设置SCHEDULER,使用scrapy_redis的调度器组件 不再使用scrapy自带的调度器组件了

SCHEDULER = "scrapy_redis.scheduler.Scheduler"

#不清除redis的请求记录(队列), 允许暂停和停止爬取

SCHEDULER_PERSIST = True

#设置请求任务的队列模式#SpiderPriorityQueue 是scrapy_redis框架默认的队列模式(有自己的优先级)SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderPriorityQueue"

# SpiderQueue 是请求的队列模式(FifoQueue),先进先出#SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderQueue"# SpiderStack 是请求的队列模式(LifoQueue),后进先出

#SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderStack"

#设置redis数据库的ip和端口REDIS_HOST = '118.24.255.219'REDIS_PORT = 6380 

# See https://doc.scrapy.org/en/latest/topics/item-pipeline.html

ITEM_PIPELINES = {'scrapy_redis.pipelines.RedisPipeline': 400,}

其他都不用变   

添加起始url

lpush qingspider:start_urls 起始的url

执行

scrapy runspider xxx.py


实现分布式爬虫的关键三点:

1.共享队列 

2.重写Scheduler,让其无论是去重还是任务都去访问共享队列

3.为Scheduler定制去重规则(利用redis的有序集合类型)

如图


配置代码改动文件

1.将redis数据库的配置文件进行改动: protected-mode no        #bind 127.0.0.1(重要!!!!)

下载scrapy-redis

1.创建工程

2.创建基于scrawlSpider的爬虫文件

3.导入RedisCrawlSpider类

4.将start_urls更换成redis_key属性

5.在现有代码的基础上进行连接提取和解析操作

6.将解析的数据值封装到item中,然后将item对象提交到scrapy-redis组件中的管道里('scrapy_redis.pipelines.RedisPipeline': 400,)

7.管道会将数据值写入到指定的redis数据库中(在配置文件中进行指定redis数据库ip的编写)

8.在当前工程中使用scrapy-redis封装好的调度器(在配置文件中进行配置)

9.将起始url扔到调度器队列(redis_key)中#

10.启动redis服务器:redis-server redis.windows.conf

11.启动redis-cli

12.执行当前爬虫文件:scrapy runspider 爬虫文件 

13.向队列中扔一个起始url:在redis-cli执行扔的操作(lpush redis_key的value值 起始url) 

©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 151,829评论 1 331
  • 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 64,603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 101,846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 42,600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 50,780评论 3 272
  • 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 39,695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 31,136评论 2 293
  • 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 29,862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 33,453评论 0 229
  • 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 29,942评论 2 233
  • 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 31,347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 27,790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 32,293评论 3 221
  • 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 25,839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 26,448评论 0 181
  • 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 34,564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 34,623评论 2 249

推荐阅读更多精彩内容