scrapy部署介紹相關(guān)的中文文檔地址
https://scrapyd.readthedocs.io/en/latest/
step1安裝使用到的相關(guān)庫(kù)
scrapyd
是運(yùn)行scrapy爬蟲的服務(wù)程序,它支持以http命令方式發(fā)布、刪除、啟動(dòng)、停止爬蟲程序。而且scrapyd可以同時(shí)管理多個(gè)爬蟲,每個(gè)爬蟲還可以有多個(gè)版本
pip3 install scrapyd
scrapyd-client
發(fā)布爬蟲需要使用另一個(gè)專用工具，就是將代碼打包為EGG文件，其次需要將EGG文件上傳到遠(yuǎn)程主機(jī)上這些操作需要scrapyd-client來(lái)幫助我們完成
pip3 install scrapyd-client
安裝完成后可以使用如下命令來(lái)檢查是否安裝成功
scrapyd-deploy -h
step2 修改scrapy項(xiàng)目目錄下的scrapy.cfg配置文件
首先需要修改scrapyd.egg (項(xiàng)目的配置文件)
[deploy]
url=http://localhost:6800
project=項(xiàng)目名稱
修改完成后即可開(kāi)始部署共作
本地部署 項(xiàng)目部署相關(guān)命令： 注意這里是項(xiàng)目的名稱而不是工程的名稱
scrapyd-deploy -p <項(xiàng)目名稱>
也可以指定版本號(hào)
scrapyd-deploy -p <項(xiàng)目名稱> --version <版本號(hào)>
運(yùn)行爬蟲
project (string, required) - the project name
spider (string, required) - the spider name
curl http://localhost:6800/schedule.json -d project=myproject -d spider=somespider
關(guān)閉爬蟲
project (string, required) - the project name
job (string, required) - the job id
curl http://localhost:6800/cancel.json -d project=myproject -d job='jobid'
獲取部署的爬蟲項(xiàng)目列表
curl http://localhost:6800/listprojects.json
獲取項(xiàng)目下的爬蟲文件列表
curl http://localhost:6800/listspiders.json?project=myproject
獲取工程下的爬蟲運(yùn)行狀態(tài)
curl http://localhost:6800/listjobs.json?project=myproject
刪除部署的爬蟲項(xiàng)目
project (string, required) - the project name
curl http://localhost:6800/delproject.json -d project=myproject
遠(yuǎn)端部署
step1.購(gòu)買linux系統(tǒng)服務(wù)器
step2.在終端上登錄服務(wù)器：
step3.配置項(xiàng)目運(yùn)行環(huán)境
配置python環(huán)境(ubuntu自帶python3環(huán)境))
安裝pip3：sudo apt install python3-pip
安裝scrapy：pip3 install scrapy -i https://pypi.douban.com/simple/
如果安裝失敗添加如下依賴：
sudo apt-get install python-dev python-pip libxml2-dev libxslt1-dev zlib1g-dev libffi-dev libssl-dev
安裝scrapyd: pip3 install scrapyd
安裝scrapyd-client: pip3 install scrapyd-client
添加爬蟲運(yùn)行的三方庫(kù)：
pip3 install requests
pip3 install pymysql
pip3 install pymongodb
step4: 修改scrapyd的配置文件，允許外網(wǎng)訪問(wèn)
- 查找配置文件的路徑：find -name default_scrapyd.
-
修改配置文件: sudo vim 路徑
image
image
注意:此時(shí)啟動(dòng)scrapayd服務(wù)6800端口還不能訪問(wèn)
step5:要去服務(wù)器安全組配置
進(jìn)入服務(wù)安全組選項(xiàng)添加安全組
添加成功后，點(diǎn)擊修改規(guī)則，添加如下信息(配置目的:允許訪問(wèn)6800端口)
1
完成后返回到云主機(jī)菜單，找到配置安全組菜單，跟換為剛才添加的安全組
最后部署爬蟲項(xiàng)目到服務(wù)器：
首先需要修改scrapyd.egg (項(xiàng)目的配置文件)
[deploy]
url = http://118.24.255.219:6800
project=項(xiàng)目名稱
之后的操作步驟與本地部署一致
如果涉及到數(shù)據(jù)庫(kù),則需要在遠(yuǎn)程服務(wù)器中安裝mysql
sudo apt update
sudo apt-get install mysql-server mysql-client
緊接著根據(jù)提示設(shè)置數(shù)據(jù)數(shù)據(jù)庫(kù)密碼
修改配置文件允許外網(wǎng)訪問(wèn)
找到mysql配置文件并做如下修改：允許遠(yuǎn)程連接
sudo vi /etc/mysql/mysql.conf.d/mysqld.cnf
將
bind-address= 127.0.0.1
注釋掉或則修改為
bind-address= 0.0.0.0
授權(quán)root賬戶允許遠(yuǎn)程訪問(wèn)：
grant all privileges on . to root@'%' identified by 'password' with grant option;
注意：如果還是不能遠(yuǎn)程訪問(wèn)就重啟mysql服務(wù)
sudo service mysql stop sudo service mysql start
數(shù)據(jù)庫(kù)的遷移和數(shù)據(jù)遷移
navicate可視化工具進(jìn)行數(shù)據(jù)庫(kù)的遷移，和查看操作
mongodb數(shù)據(jù)庫(kù)的安裝
sudo apt-get install mongodb
啟動(dòng):
sudo service mongodb start 連接客戶端報(bào)錯(cuò)參考如下網(wǎng)址： （輸入：sudo systemctl enable mongodb） mongo
修改配置文件的路徑
sudo vim /etc/mongodb.conf
redis數(shù)據(jù)庫(kù)的安裝
在遠(yuǎn)端服務(wù)器上安裝redis數(shù)據(jù)庫(kù)
step1:
cd ~ （進(jìn)入指定的目錄）
step2:
下載redis數(shù)據(jù)庫(kù)壓縮包： wget http://download.redis.io/releases/redis-4.0.10.tar.gz
step3:
解壓下載的文件: tar -zxvf redis-4.0.10.tar.gz
step4:
復(fù)制,放到/usr/local目錄下面( 先創(chuàng)建文件夾/usr/local/redis/ )
mv ./redis-4.0.11/* /usr/local/redis/
step5:進(jìn)入redis目錄
cd /usr/local/redis/
step6:
sudo make
sudo make test
sudo make install
step7:
sudo cp /usr/local/redis/redis.conf /etc/redis/
step8:
修改配置文件,允許外網(wǎng)訪問(wèn) sudo vim redis.cnf
將配置文件中的bind修改為: bind=0.0.0.0
step9:
啟動(dòng)redis服務(wù)： sudo redis-server redis.cnf
step10:鏈接客戶端
redis-cli -h ip -p port
修改settings.py設(shè)置文件：
#這里表示啟用scrapy-redis里的去重組件，不實(shí)用scrapy默認(rèn)的去重
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"
#使用了scrapy-redis里面的調(diào)度器組件，不使用scrapy默認(rèn)的調(diào)度器
SCHEDULER = "scrapy_redis.scheduler.Scheduler"
#允許暫停，redis請(qǐng)求的記錄不會(huì)丟失，不清除Redis隊(duì)列，可以恢復(fù)和暫停
SCHEDULER_PERSIST = True
#下面這些是request的隊(duì)列模式
#一般情況下使用第一種
#scrapy-redis默認(rèn)的請(qǐng)求隊(duì)列形式（有自己的優(yōu)先級(jí)順序）
#是按照redis的有序集合排序出隊(duì)列的
#SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderPriorityQueue"
# scrapy_redis.pipelines.RedisPipeline 必須啟用，才能夠?qū)?shù)據(jù)存儲(chǔ)到redis數(shù)據(jù)庫(kù)中
ITEM_PIPELINES = {
'example.pipelines.ExamplePipeline': 300,
'scrapy_redis.pipelines.RedisPipeline': 400,
}
# 指定要存儲(chǔ)的redis的主機(jī)的ip，默認(rèn)存儲(chǔ)在127.0.0.1
REDIS_HOST = 'redis的主機(jī)的ip'
# 定要存儲(chǔ)的redis的主機(jī)的port，默認(rèn)6379
REDIS_PORT = '6379'
step2
修改爬蟲文件
step3
部署爬蟲項(xiàng)目
step4
啟動(dòng)爬蟲文件
step5
給爬蟲添加起始任務(wù) lpush key value(起始url)
