一、scrapyd的介绍

scrapyd是一个用于部署运行scrapy爬虫程序它允许你通过JSON API(也即是web api)来部署爬虫项目控制爬虫运行scrapyd是一个守护进程监听爬虫运行和请求,然后启动进程来执行它们

  1. scrapyd的安装
scrapyd服务端: pip install scrapyd
scrapyd客户端: pip install scrapyd-client
  1. 启动scrapyd服务

scrapy项目路径启动scrapyd的命令sudo scrapyd 或 scrapyd。启动之后就可以打开本地运行的scrapyd,浏览器访问本地6800端口可以查看scrapyd的监控界面
在这里插入图片描述
在这里插入图片描述

  1. 通过scrapyd部署scrapy项目

在这里插入图片描述

同样在scrapy项目路径下执行:

scrapyd-deploy 部署名(配置文件设置名称) -p 项目名称
以上面配置文件例子:scrapyd-deploy Baidu -p my_spider 

在这里插入图片描述

  1. 管理项目

启动项目:

curl http://localhost:6800/schedule.json -d project=project_name -d spider=spider_name

这里可以看到使用web api调度有多么麻烦了,于是引入下面的gerapy

二、gerapy

  1. 什么gerapy

Gerapy 是一款分布式爬虫管理框架支持 Python 3,基于 Scrapy、Scrapyd、Scrapyd-Client、Scrapy-Redis、Scrapyd-API、Scrapy-Splash、Jinjia2、Django、Vue.js 开发,Gerapy 可以帮助我们:​

  1. 更方便地控制爬虫运行
  2. 更直观地查看爬虫状态
  3. 实时查看爬取结果
  4. 简单实现项目部署
  5. 统一实现主机管理

通俗解释:Gerapy 的最主要的目标将 Scrapyd 的命令行操作转化为直观的 Web 点击操作它提供了一个可视化的 Web 界面,让用户通过界面轻松地进行 Scrapy 项目的管理、监控和部署,而不必直接使用 Scrapyd 的命令行

  1. Gerapy的安装
pip3 install gerapy

​ 在终端中执行 gerapy 会出现如下信息

Usage:gerapy init [--folder=]​ gerapy migrate​ gerapy createsuperuser​ gerapy runserver []`
  1. Gerapy配置启动

​ 执行完该命令之后会在当前目录生成一个gerapy文件夹进入文件夹,会找到一个名为projects的文件

在这里插入图片描述

数据库进行初始化(在gerapy目录操作),执行如下命令

​ gerapy migrate

​ 对数据库初始化之后会生成一个SQLite数据库数据库保存主机配置信息和部署版本等​
在这里插入图片描述

  1. 启动 gerapy服务:​ gerapy runserver

​此时启动gerapy服务的这台机器的8000端口开启了Gerapy服务,在浏览器输入http://localhost:8000就能进入Gerapy管理界面,在管理界面可以进行主机管理和界面管理
在这里插入图片描述

  1. 通过Gerapy配置管理scrapy项目

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
点击部署点击部署按钮进行打包和部署,在右下角我们可以输入打包时的描述信息,类似于 Gitcommit 信息,然后点击打包按钮即可发现 Gerapy 会提示打包成功,同时在左侧显示打包结果打包名称

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
来到clients界面,找到部署该项目的节点,点击调度
在这里插入图片描述
在这里插入图片描述

三、基于dockercompose方式

dockercompose的优势就不说了,直接贴文件,应该有人需要的:

version: '3'

services:
  scrapyd:
    container_name: scrapyd
    image: germey/scrapyd:latest
    #network_mode: "host"
    ports:
         - "6800:6800"
    volumes:
         - /opt/docker/scrapyd_gerapy/scrapyd/app:/app
    restart: always

  gerapy:
    container_name: gerapy
    image: germey/gerapy:latest
    #environment:
    # - GERAPY_PORT=8001(有大佬知道如何覆盖镜像里的默认端口麻烦告知一下)
        #network_mode: "host"
    ports:
             - "8001:8000"
    volumes:
      - /opt/docker/scrapyd_gerapy/gerapy:/app/gerapy
    depends_on:
      - scrapyd
    restart: always

原文地址:https://blog.csdn.net/cristianoxm/article/details/134750276

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任

如若转载,请注明出处:http://www.7code.cn/show_44682.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注