如何通过Scrapy简单高效地部署和监控分布式爬虫项目！这才是大牛

动图展示

集群多节点部署和运行爬虫项目：

进群：960410445? 即可获取数十套PDF!

安装和配置

私信菜鸟 菜鸟带你玩爬虫！007即可.

访问 Web UI

通过浏览器访问 http://127.0.0.1:5000，输入认证信息登录 。

• Overview 页面自动输出所有 Scrapyd server 的运行状态
• 通过分组和过滤可以自由选择若干台 Scrapyd server，调用 Scrapyd 提供的所有 HTTP JSON API，实现 一次操作，批量执行
• ?

• ?

部署项目

• 支持指定若干台 Scrapyd server 部署项目
• 通过配置 SCRAPY_PROJECTS_DIR 指定 Scrapy 项目开发目录， ScrapydWeb 将自动列出该路径下的所有项目，选择项目后即可自动打包和部署指定项目：
• ?

• ?
• 如果 ScrapydWeb 运行在远程服务器上，除了通过当前开发主机上传常规的 egg 文件，也可以将整个项目文件夹添加到 zip/tar/tar.gz 压缩文件后直接上传即可，无需手动打包：)
• ?

• ?

运行爬虫

• 通过下拉框直接选择 project，version 和 spider
• 支持传入 Scrapy settings 和 spider arguments
• 同样支持指定若干台 Scrapyd server 运行爬虫
• ?

• ?

日志分析和可视化

• 默认情况下， ScrapydWeb 将在后台定时自动读取和分析 Scrapy log 文件并生成 Stats 页面
• ?

• ?
• 爬虫进度可视化
• ?

• ?

邮件通知

基于后台定时读取和分析 Scrapy log 文件， ScrapydWeb 将在满足特定触发器时发送通知邮件 ，邮件正文包含当前运行任务的统计信息。

1.添加邮箱帐号：

SMTP_SERVER = 'smtp.qq.com'
SMTP_PORT = 465
SMTP_OVER_SSL = True
SMTP_CONNECTION_TIMEOUT = 10
FROM_ADDR = 'username@qq.com'
EMAIL_PASSWORD = 'password'
TO_ADDRS = ['username@qq.com']

2.设置邮件工作时间和基本触发器，以下示例代表：每隔1小时或某一任务完成时，并且当前时间是工作日的9点，12点和17点， ScrapydWeb 将会发送通知邮件。

EMAIL_WORKING_DAYS = [1,2,3,4,5]
EMAIL_WORKING_HOURS = [9,12,17]
ON_JOB_RUNNING_INTERVAL = 3600
ON_JOB_FINISHED = True

3.除了基本触发器， ScrapydWeb 还提供了多种触发器用于处理不同类型的 log ，包括 'CRITICAL','ERROR','WARNING','REDIRECT','RETRY' 和 'IGNORE'等。

LOG_CRITICAL_THRESHOLD = 3
LOG_CRITICAL_TRIGGER_STOP = True
LOG_CRITICAL_TRIGGER_FORCESTOP = False
# ...
LOG_IGNORE_TRIGGER_FORCESTOP = False

以上示例代表：当发现3条或3条以上的 critical 级别的 log 时， ScrapydWeb 自动停止当前任务 ，如果当前时间在邮件工作时间内，则同时发送通知邮件。

GitHub 开源

活捉几只官方大佬，赶紧前去围观吧，别忘了 Star 噢！

my8100 / scrapydweb

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!