基于Redis分布式爬虫

分布式爬虫

1） 在爬虫的settings.py中添加下面两句话
# Enables scheduling storing requests queue in redis.
SCHEDULER = "scrapy_redis.scheduler.Scheduler"
# Ensure all spiders share same duplicates filter through redis.
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"

2） 在item_pipeline中添加下面一句话
'scrapy_redis.pipelines.RedisPipeline': 300

3） 在settings.py中添加下面一句话，用于配置redis
REDIS_URL = 'redis://root:@192.168.9.211:6379'(自己的IP地址,Redis默认端口是6379)

4） 修改爬虫的类文件
from scrapy_redis.spiders import RedisSpider
类需要继承自RedisSpider

把start_urls给注释掉
redis_key = 'jobbole:start_urls'

分布式用到的代码应该是同一套代码
1） 先把项目配置为分布式
2） 把项目拷贝到多台服务器中
3） 把所有爬虫项目都跑起来
4） 在redis中lpush你的网址即可
5） 效果：所有爬虫都开始运行，并且数据还都不一样

创建数据库用户(用户权限为 % 让从服务器能访问该数据库,注意:sql语句 % 两端需要加 引号):

grant all privileges on *.* to myroot@’%’ identified by '123456'; 

设置redis主从

让从服务器连接:
命令:lpush  redis_key的值 网址