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(chóng)的服務(wù)程序,它支持以http命令方式發(fā)布、刪除答憔、啟動(dòng)音半、停止爬蟲(chóng)程序。而且scrapyd可以同時(shí)管理多個(gè)爬蟲(chóng),每個(gè)爬蟲(chóng)還可以有多個(gè)版本

pip3 install scrapyd

scrapyd-client
發(fā)布爬蟲(chóng)需要使用另一個(gè)專(zhuān)用工具，就是將代碼打包為EGG文件介劫，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(chēng)

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(chēng)而不是工程的名稱(chēng)

scrapyd-deploy -p <項(xiàng)目名稱(chēng)>

也可以指定版本號(hào)

scrapyd-deploy -p <項(xiàng)目名稱(chēng)> --version <版本號(hào)>

運(yùn)行爬蟲(chóng)

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(chóng)

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(chóng)項(xiàng)目列表

curl http://localhost:6800/listprojects.json

獲取項(xiàng)目下的爬蟲(chóng)文件列表

curl http://localhost:6800/listspiders.json?project=myproject

獲取工程下的爬蟲(chóng)運(yùn)行狀態(tài)

curl http://localhost:6800/listjobs.json?project=myproject

刪除部署的爬蟲(chóng)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(mǎi)linux系統(tǒng)服務(wù)器

step2.在終端上登錄服務(wù)器：

image

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(lài)：

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(chóng)運(yùn)行的三方庫(kù)：

pip3 install requests
pip3 install pymysql
pip3 install pymongodb

step4: 修改scrapyd的配置文件包归，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

image

image

完成后返回到云主機(jī)菜單宦言，找到配置安全組菜單，跟換為剛才添加的安全組

image

image

最后部署爬蟲(chóng)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(chēng)

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)的遷移商模，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 ~〉焱（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)度器組件施流，不使用scrapy默認(rèn)的調(diào)度器
SCHEDULER = "scrapy_redis.scheduler.Scheduler"

#允許暫停响疚，redis請(qǐng)求的記錄不會(huì)丟失，不清除Redis隊(duì)列瞪醋，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 必須啟用忿晕，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银受，默認(rèn)6379

REDIS_PORT = '6379'

step2

修改爬蟲(chóng)文件
step3

部署爬蟲(chóng)項(xiàng)目
step4

啟動(dòng)爬蟲(chóng)文件
step5

給爬蟲(chóng)添加起始任務(wù) lpush key value(起始url)