如何搭建分布式爬蟲_第1頁
如何搭建分布式爬蟲_第2頁
如何搭建分布式爬蟲_第3頁
如何搭建分布式爬蟲_第4頁
如何搭建分布式爬蟲_第5頁
已閱讀5頁，還剩8頁未讀， 繼續(xù)免費閱讀

付費下載

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

如何搭建分布式爬蟲搭建分布式爬蟲前準(zhǔn)備搭建步驟搭建分布式爬蟲前準(zhǔn)備/01搭建分布式爬蟲的前提是要安裝scrapy_redis模塊，安裝命令如下：pipinstallscrapy_redis搭建分布式爬蟲前準(zhǔn)備搭建步驟/021、替換scrapy調(diào)度器SCHEDULER="scrapy_redis.scheduler.Scheduler"2、添加去重的class：DUPEFILTER_CLASS="scrapy_redis.dupefilter.RFPDupeFilter"搭建步驟3、添加pipeline如果添加這行配置，每次爬取的數(shù)據(jù)也都會入到redis數(shù)據(jù)庫中，所以一般這里不做這個配置ITEM_PIPELINES={’scrapy_redis.pipelines.RedisPipeline’:300}搭建步驟

共享的爬取隊列，需要redis的連接信息，user:pass表示用戶名和密碼，如果沒有則為空就可以REDIS_URL=’redis://user:pass@hostname:9001’設(shè)置為為True則不會清空redis里的dupefilter和requests隊列。搭建步驟

這樣設(shè)置后指紋和請求隊列則會一直保存在redis數(shù)據(jù)庫中，默認(rèn)為False，一般不進(jìn)行設(shè)置SCHEDULER_PERSIST=True設(shè)置重啟爬蟲時是否清空爬取隊列。搭建步驟

4、分布式將上述更改后的代碼拷貝的各個服務(wù)器，當(dāng)然關(guān)于數(shù)據(jù)庫這里可以在每個服務(wù)器上都安裝數(shù)據(jù)，也可以共用一個數(shù)據(jù)，這里連接的同一個mongodb數(shù)據(jù)庫，當(dāng)然各個服務(wù)器上也不能忘記。搭建步驟

4、分布式所有的服務(wù)器都要安裝scrapy,scrapy_redis,pymongo。運行各個爬蟲程序啟動后，在redis數(shù)據(jù)庫就可以看到如下內(nèi)容，dupefilter是指紋隊列

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論