本地部署
1.先安裝兩個(gè)庫(kù)：
scrapyd：
- pip3 install 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、刪除英岭、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
scrapyd-client:
- pip3 install scrapyd-client
發(fā)布爬蟲需要使用另一個(gè)專用工具渤愁，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 - 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
2.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:項(xiàng)目名稱]
url=http://localhost:6800
project=項(xiàng)目名稱 修改完成后即可開始部署操作：版本號(hào)也可以不寫
scrapyd-deploy -p <項(xiàng)目名稱>
scrapyd-deploy -p <項(xiàng)目名稱> --version <版本號(hào)>
3.爬蟲部署成功后碴卧，可以運(yùn)行的命令：
- 開啟爬蟲
curl http://localhost:6800/schedule.json -d project=myproject -d spider=somespider - 關(guān)閉爬蟲
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
curl http://localhost:6800/delproject.json -d project=myproject
遠(yuǎn)端部署
在終端上登錄服務(wù)器：
![]()
DeepinScrot-1028
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
- ...........
修改scrapyd的配置文件弱卡，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
- 將原來(lái)的bind_address注掉改為bind_address=0.0.0.0
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)則住册，添加如下信息(配置目的:允許訪問(wèn)6800端口)
- 完成后返回到云主機(jī)菜單婶博，找到配置安全組菜單，跟換為剛才添加的安全組
-
最終完成后荧飞，在瀏覽器中輸入ip地址和端口,顯示如下圖凡人，說(shuō)明配置成功 DeepinScrot-5152
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 ~√纠（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
- 將配置文件中的保護(hù)模式設(shè)置為NO
- 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
分布式爬蟲項(xiàng)目的部署
step1將項(xiàng)目修改為分布式
- step1
pip3 install scrapy-redis
- step2
修改settings.py設(shè)置文件：
#這里表示啟用scrapy-redis里的去重組件挠轴，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"
#允許暫停耳幢，redis請(qǐng)求的記錄不會(huì)丟失岸晦，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 必須啟用睛藻，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委煤，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)
